[发明专利]一种基于梯度提升决策树与逻辑回归融合的运维人员智能推荐方法和装置

权利要求书

1.一种基于梯度提升决策树与逻辑回归融合的运维人员智能推荐方法，其特征在于，所述方法包括：

利用 GBDT模型和LR模型，建立GBDT+LR模型；

建立运维人员智能推荐数据集，所述运维人员智能推荐数据集包括标签变量和特征变量，其中，所述标签变量包括运维人员工号和是否维修成功，所述特征变量包括运维人员基础信息指标和维修设备信息指标；

对所述运维人员智能推荐数据集进行预处理，所述预处理包括填充缺失值和特征处理，所述特征处理具体包括：若所述特征变量为连续变量，则对所述特征变量进行归一化处理；

若所述特征变量为离散变量，则对所述特征变量进行独热编码；

将所述预处理的运维人员智能推荐数据集划分为训练集和验证集；

利用所述训练集对所述GBDT+LR模型进行训练，获取所述GBDT+LR模型的参数；

根据所述GBDT+LR模型的参数，获取训练后的GBDT+LR模型；

利用所述验证集对所述训练后的GBDT+LR模型进行验证，确定最终的GBDT+LR模型。

2.根据权利要求1所述的一种基于梯度提升决策树与逻辑回归融合的运维人员智能推荐方法，其特征在于，所述GBDT+LR模型包括GBDT模型和LR模型；

所述GBDT模型对数据集进行特征筛选以及高阶特征组合，获取新的特征向量；

所述新的特征向量为LR模型的输入，所述LR模型的输出为预测值。

3.根据权利要求1所述的一种基于梯度提升决策树与逻辑回归融合的运维人员智能推荐方法，其特征在于，所述运维人员基础信息指标包括运维人员工龄、运维人员当前工作负载量、运维人员技能评价和维修时间截；

所述维修设备信息指标包括维修设备名称、设备故障紧急程度、故障类型、故障现象和故障地点。

4.根据权利要求1所述的一种基于梯度提升决策树与逻辑回归融合的运维人员智能推荐方法，其特征在于，所述填充缺失值包括但不限于填充默认值，填充均值、中位数，以及线性插值法。

5.根据权利要求1所述的一种基于梯度提升决策树与逻辑回归融合的运维人员智能推荐方法，其特征在于，所述将所述预处理的运维人员智能推荐数据集划分为训练集和验证集，具体包括：将所述预处理的运维人员智能推荐数据集按照8:2的比例进行划分，相应划分为训练集与验证集。

6.根据权利要求1所述的一种基于梯度提升决策树与逻辑回归融合的运维人员智能推荐方法，其特征在于，所述利用所述验证集对所述训练后的GBDT+LR模型进行验证，具体包括：

根据所述验证集，利用评估指标对所述训练后的GBDT+LR模型进行验证；

所述评估指标包括但不限于准确率、召回率、F值、AUC值和损失函数值。

7.根据权利要求6所述的一种基于梯度提升决策树与逻辑回归融合的运维人员智能推荐方法，其特征在于，所述评估指标为AUC值和对数损失函数值；

所述AUC值为ROC曲线下覆盖的区域面积，用来评价机器学习中二分类模型；

所述对数损失函数值用来观察模型的收敛情况。