【技术实现步骤摘要】
本专利技术涉及数据分析，具体为一种基于机器学习的统一纳管数据管理系统及方法。
技术介绍
1、现如今大数据云平台技术飞快发展，取代了以前人工进行记录的方法，统一纳管云平台已经运用在大部分公司中，统一纳管云平台是一个集成化的云管理解决方案，旨在通过统一界面和管理工具对多种云资源进行集中管理和监控。通过使用统一纳管云平台，企业可以更加高效地管理和监控云资源，优化资源使用，并确保云环境的安全性和合规性。
2、在纳管数据云平台中，有一个自动化分类系统，是对多种资源数据进行自动化分类汇总，用户将资源数据上传到云平台过程中，通过自动化分类系统对资源数据进行自动化分类，将资源数据放置其所属的类型中，但是由于资源数据会随着时间变化而发生变化，自动化分类系统没有及时更新，会导致自动化分类系统在分类判断时出现错误，把该属于这一类的资源数据放到了其他类中，需要工作人员重新审核将资源数据放置正确位置，这一操作影响了人工审核的时间，对工作人员的工作效率产生了影响，因此需要一种基于机器学习的统一纳管数据管理系统及方法，能够得到更新间隔时长，根据更新间隔时...
【技术保护点】
1.一种基于机器学习的统一纳管数据管理方法，其特征在于：方法包括：
2.根据权利要求1所述的一种基于机器学习的统一纳管数据管理方法，其特征在于，步骤S100对各种审查结果为错误的错误数量分析得到若干个时间间隔的过程，包括以下步骤：
3.根据权利要求2所述的一种基于机器学习的统一纳管数据管理方法，其特征在于，步骤S200对各种资源数据的错误数量建立最优预测模型的过程，包括以下步骤：
4.根据权利要求3所述的一种基于机器学习的统一纳管数据管理方法，其特征在于，步骤S300对得到若干种各种资源数据的错误数量组合和若干种错误数量组合所花费时...
【技术特征摘要】
1.一种基于机器学习的统一纳管数据管理方法，其特征在于：方法包括：
2.根据权利要求1所述的一种基于机器学习的统一纳管数据管理方法，其特征在于，步骤s100对各种审查结果为错误的错误数量分析得到若干个时间间隔的过程，包括以下步骤：
3.根据权利要求2所述的一种基于机器学习的统一纳管数据管理方法，其特征在于，步骤s200对各种资源数据的错误数量建立最优预测模型的过程，包括以下步骤：
4.根据权利要求3所述的一种基于机器学习的统一纳管数据管理方法，其特征在于，步骤s300对得到若干种各种资源数据的错误数量组合和若干种错误数量组合所花费时长集合的过程，包括以下步骤：
5.根据权利要求4所述的一种基于机器学习的统一纳管数据管理方法，其特征在于，步骤s400对得到更新间隔时长的过程，包括以下步骤：
6.一种...
【专利技术属性】
技术研发人员：张向飞，王轶，方海宾，滕天宇，王栋梁，顾琦，
申请(专利权)人：上海市大数据中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。