模型训练、信息确定方法、装置、设备、存储介质及计算机程序产品制造方法及图纸

本申请实施例公开了一种模型训练方法，包括：获取多个第一时段的样本设备的第一需求和样本设备的第一属性信息，并基于多个第一时段和第一需求，确定样本设备的需求特征信息，之后，基于第一属性信息和多个第一需求，确定每一第一时段每一类样本设备的第二需求，进而基于样本设备的第一属性信息、多个第一时段、需求特征信息和第二需求对初始梯度决策模型进行训练，得到目标梯度决策模型，解决了相关技术中在预测云主机的需求量时存在的需求预测量不准确的问题。本申请实施例还公开了一种信息确定方法、装置、设备、存储介质及计算机程序产品。

【技术实现步骤摘要】

本申请涉及计算机领域的信息确定技术，尤其涉及模型训练、信息确定方法、装置、设备、存储介质及计算机程序产品。

技术介绍

1、随着云计算的快速发展，部署在云计算平台上的云主机已逐渐取代传统的虚拟机，那么，面对日益增长的需求，如何准确的预测云主机的需求量以进行云主机的合理调度，就变得亟为重要。目前，相关技术中是通过自回归差分移动平均模型(autoregressiveintegrated moving average，arima)模型，或者中长短期循环神经网络(long short termmemory，lstm)模型来预测云主机的需求量。但是，通过arima模型或lstm模型预测需求量时仅考虑了时间因素，且arima模型或lstm模型仅能进行短期预测，那就导致确定出的云主机的需求预测量存在不准确的问题。

技术实现思路

1、为解决上述技术问题，本申请实施例期望提供一种模型训练、信息确定方法、装置、设备、存储介质及计算机程序产品，解决了相关技术中在预测云主机的需求量时存在的需求预测量不准确的问题。</p>

2、本申本文档来自技高网...

【技术保护点】

1.一种模型训练方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述多个第一时段和所述第一需求，确定所述样本设备的需求特征信息，包括：

3.根据权利要求2所述的方法，其特征在于，所述采用目标时间特征提取模型对所述多个第一时段和所述第一需求进行处理，得到所述样本设备对应的第一特征信息、第二特征信息和第三特征信息，包括：

4.根据权利要求1所述的方法，其特征在于，所述基于所述第一属性信息和多个所述第一需求，确定每一第一时段每一类样本设备的第二需求，包括：

5.根据权利要求1所述的方法，其特征在于，所述基于所述...

【技术特征摘要】

1.一种模型训练方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述多个第一时段和所述第一需求，确定所述样本设备的需求特征信息，包括：

3.根据权利要求2所述的方法，其特征在于，所述采用目标时间特征提取模型对所述多个第一时段和所述第一需求进行处理，得到所述样本设备对应的第一特征信息、第二特征信息和第三特征信息，包括：

4.根据权利要求1所述的方法，其特征在于，所述基于所述第一属性信息和多个所述第一需求，确定每一第一时段每一类样本设备的第二需求，包括：

5.根据权利要求1所述的方法，其特征在于，所述基于所述样本设备的第一属性信息、所述多个第一时段、所述需求特征信息和所述第二需求对初始梯度决策模型进行训练，得到目标梯度决策模型，包括：

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

7.一种信息确定方法，其特征在于，所述方法包括：

8.根据权利要求7所述的方...

【专利技术属性】
技术研发人员：朱钰霖，许治国，徐军，
申请(专利权)人：中移苏州软件技术有限公司，
类型：发明
国别省市：