-
公开(公告)号：CN111241477B
公开(公告)日：2023-10-20
申请号：CN202010015237.2
申请日：2020-01-07
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F17/18
Abstract: 本说明书实施例提供构建监控基准线的方法、监控数据对象状态的方法及装置，其中所述构建监控基准线的方法通过历史数据建立数据对象样本池，基于蒙特卡洛模拟的思想，在数据对象池生命周期内随机抽取数据对象样本，进行大量业务运作过程的模拟，得到数据对象样本池中数据对象在生命周期内各个时刻分别对应的资源状态，从而以此为基础建立状态监控基准线，为监控数据数据对象池提供了数据上的依据，实现了降低监控难度的目的。
-
公开(公告)号：CN111340632A
公开(公告)日：2020-06-26
申请号：CN202010138918.8
申请日：2020-03-03
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供资源管控方法以及装置，其中所述资源管控方法包括：获取待管控资源集合中各资源类别下待转化资源的资源信息，将所述资源信息输入预先构建的梯度提升决策树模型进行梯度提升处理，获取输出的可流动资源的资源收益初始值，所述可流动资源由所述待转化资源进行流动性转化生成；基于所述资源收益初始值以及预先获取的所述可流动资源的收益增速进行收益预测，获得资源收益预测值；根据所述资源收益预测值以及所述资源集合对应的预期收益值，确定所述资源集合的资源管控策略，并按照所述资源管控策略对所述资源集合进行资源管控处理。
-
公开(公告)号：CN111461341A
公开(公告)日：2020-07-28
申请号：CN202010191807.3
申请日：2020-03-18
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00
Abstract: 本说明书实施例公开了一种数据源贡献度的评估方法及其装置，包括：获取机器学习模型，其中，机器学习模型由多个数据源的训练数据，对原始模型进行训练后生成，训练数据具有多个数据特征。对机器学习模型的性能指标进行归因分析，以确定每个数据源对机器学习模型的第一贡献度。根据数据特征对性能指标的贡献度，确定每个数据源对机器学习模型的第二贡献度。根据第一贡献度和第二贡献度，确定每个数据源的贡献度。由此，在对数据源贡献度进行评估时，对机器学习模型的性能指标进行归因分析，并结合数据源的数据特征对机器学习模型的贡献度，确定每个数据源的贡献度，从而能够对各个数据源对机器学习模型的贡献度进行客观、准确地评估。
-
公开(公告)号：CN111241477A
公开(公告)日：2020-06-05
申请号：CN202010015237.2
申请日：2020-01-07
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F17/18
Abstract: 本说明书实施例提供构建监控基准线的方法、监控数据对象状态的方法及装置，其中所述构建监控基准线的方法通过历史数据建立数据对象样本池，基于蒙特卡洛模拟的思想，在数据对象池生命周期内随机抽取数据对象样本，进行大量业务运作过程的模拟，得到数据对象样本池中数据对象在生命周期内各个时刻分别对应的资源状态，从而以此为基础建立状态监控基准线，为监控数据数据对象池提供了数据上的依据，实现了降低监控难度的目的。
-
-
-
Search Results
4
records
(took 0.041 seconds)
