29、机器学习实战：实例解析

机器学习实战：实例解析

1. 机器学习概述

随着越来越多的数据以非结构化的数字形式呈现，新的计算模型应运而生，旨在以有意义的方式处理这些数据。机器学习方法通过系统地应用算法，能够揭示非结构化数据集与信息之间的基本关系。它利用了泛化能力，这是人类学习中概念形成的固有且重要的组成部分。机器学习方法论可用于开发自主系统，借助模块化功能实现智能反馈控制系统，在构建稳定可行的系统知识功能模型方面发挥关键作用。

2. 机器学习实例

2.1 实例一：计算节点上的工作负载指纹识别

• 阶段确定
  • 特征选择过程：利用性能监控单元进行特征选择，确定程序阶段的边界。
  • 分类器算法：使用特定的分类器算法，根据集群均值和标准差进行阶段分类。
  • 阶段转换：识别程序阶段的转换，实现主动自我调整。
• 指纹识别
  • 工作负载特征化：通过动态特征化技术，确定控制参数，实现反馈导向的优化。
  • 特征选择：进一步筛选特征，确保工作负载指纹的准确性。
  • 性能属性：工作负载指纹具有模式属性、阶段属性和大小属性，可用于优化系统操作。
• 预测
  • 根据工作负载指纹，结合其他统计参数，预测未来的工作负载行为。