-
题名基于改进XGBoost算法的硬盘故障预测
被引量:1
- 1
-
-
作者
陈守贤
陈梅
李晖
-
机构
贵州大学计算机科学与技术学院
-
出处
《计算机仿真》
北大核心
2022年第5期427-431,454,共6页
-
基金
国家自然科学基金资助项目(71964009)。
-
文摘
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。
-
关键词
不平衡数据
硬盘故障预测
特征选择
-
Keywords
Imbalanced data
Hard disk failure prediction
Feature selection
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-