基于改进XGBoost算法的硬盘故障预测

硬盘是数据中心故障频率最高的物理设备,针对硬盘故障预测中正负样本不平衡导致预测精度低的问题,提出了一种基于改进的XGBoost算法的硬盘故障预测模型。针对不平衡样本对模型损失函数添加了一个调制系数,使模型能够适应不平衡的数据集,通过减少易分类样本的权重,从而使模型在训练时更专注于难分类的样本;使用基于信息增益比率对硬盘数据进行特征选择,实现硬盘的故障预测。为了验证改进XGBoost算法的有效性,使用两个公开的真实数据集进行实验,结果表明,改进的XGBoost算法具有更高的预测精度和泛化能力。