基于改進(jìn)XGBoost算法的硬盤故障預(yù)測

摘要： 硬盤是數(shù)據(jù)中心故障頻率最高的物理設(shè)備，針對硬盤故障預(yù)測中正負(fù)樣本不平衡導(dǎo)致預(yù)測精度低的問題，提出了一種基于改進(jìn)的XGBoost算法的硬盤故障預(yù)測模型。
針對不平衡樣本對模型損失函數(shù)添加了一個調(diào)制系數(shù)，使模型能夠適應(yīng)不平衡的數(shù)據(jù)集，通過減少易分類樣本的權(quán)重，從而使模型在訓(xùn)練時更專注于難分類的樣本；使用基于信息增益比率對硬盤數(shù)據(jù)進(jìn)行特征選擇，實現(xiàn)硬盤的故障預(yù)測。