技术摘要：
本申请提供了一种模型的诊断方法及相关设备，应用于运维场景对应的机器学习平台，可以基于运维场景构建对应的模型，并对模型进行诊断评估。该方法包括：基于目标运维场景获取样本特征集，所述目标运维场景为待构建模型的运维场景；根据所述目标运维场景从模型算法库中  全部
背景技术：
智能运维(Artificial  Intelligence  for  IT  Operations，AIOps)是指使用智能 化的手段去解决运维场景下的常见问题。目标通过机器学习的方式对解决运维场景下的常 见问题。 但是目前通用的机器学习提供的工具主要是解决模型训练这个步骤，首先并没有 针对运维这个垂直领域的机器学习平台，另外对于模型效果不符合预期的情况，没有诊断 功能。
技术实现要素：
本申请提供了一种模型的诊断方法及相关设备，可以基于运维场景构建对应的模 型，并对模型进行诊断评估。 本申请第一方面提供了一种模型的诊断方法，包括： 基于目标运维场景获取样本特征集，所述目标运维场景为待构建模型的运维场 景； 根据所述目标运维场景从模型算法库中选取对应的目标模型算法； 根据所述目标模型算法以及所述样本特征集生成目标模型； 确定所述目标模型的评估结果； 根据所述目标模型的评估结果确定所述目标模型的诊断建议； 展示所述目标模型的诊断建议和/或所述目标模型的评估结果。 可选地，所述基于目标运维场景获取样本特征集包括： 在样本添加页面接收第一操作指令； 根据所述第一操作指令获取样本数据； 对所述样本数据进行标注，得到标注样本集； 对所述标注样本集进行特征提取，得到所述样本特征集。 可选地，所述对所述标注样本集进行特征提取，得到所述样本特征集包括： 在特征选取页面接收第二操作指令，所述特征选取页面包括所述目标运维场景对 应的至少一个特征； 根据所述第二操作指令选择目标特征； 基于所述目标特征对所述标注样本集进行特征提取，得到所述样本特征集。 可选地，所述根据所述目标运维场景从模型算法库中选取对应的目标模型算法包 括： 在模型算法选择界面接收第三操作指令； 根据所述第三操作指令从所述模型算法库中选择所述目标模型算法。 4 CN 111612178 A 说　明　书 2/17 页 可选地，所述方法还包括： 当所述模型算法库中不包括所述目标模型算法时，构建所述目标模型算法，并将 所述目标模型算法添加至所述模型算法选择界面。 可选地，所述方法还包括： 通过所述目标模型对所述目标运维场景的场景数据进行处理，得到输出结果； 当所述输出结果异常时，将所述输出结果标记后反馈至所述样本特征集； 基于反馈后所述样本特征集对所述目标模型进行优化。 可选地，所述方法还包括： 根据所述诊断建议调整所述目标模型算法的参数和/或所述样本特征集； 基于调整参数后的所述目标模型算法和/或调整后的所述样本特征集对所述目标 模型进行优化。 本申请第二方面提供了一种模型的诊断装置，包括： 获取单元，用于基于目标运维场景获取样本特征集，所述目标运维场景为待构建 模型的运维场景； 选取单元，用于根据所述目标运维场景从模型算法库中选取对应的目标模型算 法； 生成单元，用于根据所述目标模型算法以及所述样本特征集生成目标模型； 评估单元，用于确定所述目标模型的评估结果； 诊断单元，用于根据所述目标模型的评估结果确定所述目标模型的诊断建议； 展示单元，用于展示所述目标模型的诊断建议和/或所述目标模型的评估结果。 可选地，所述获取单元具体用于： 在样本添加页面接收第一操作指令； 根据所述第一操作指令获取样本数据； 对所述样本数据进行标注，得到标注样本集； 对所述标注样本集进行特征提取，得到所述样本特征集。 可选地，所述获取单元对所述标注样本集进行特征提取，得到所述样本特征集包 括： 在特征选取页面接收第二操作指令，所述特征选取页面包括所述目标运维场景对 应的至少一个特征； 根据所述第二操作指令选择目标特征； 基于所述目标特征对所述标注样本集进行特征提取，得到所述样本特征集。 可选地，所述选取单元具体用于： 在模型算法选择界面接收第三操作指令； 根据所述第三操作指令从所述模型算法库中选择所述目标模型算法。 可选地，所述选取单元还用于： 当所述模型算法库中不包括所述目标模型算法时，构建所述目标模型算法，并将 所述目标模型算法添加至所述模型算法选择界面。 可选地，所述生成单元还用于： 通过所述目标模型对所述目标运维场景的场景数据进行处理，得到输出结果； 5 CN 111612178 A 说　明　书 3/17 页 当所述输出结果异常时，将所述输出结果标记后反馈至所述样本特征集； 基于反馈后所述样本特征集对所述目标模型进行优化。 可选地，所述生成单元还用于： 根据所述诊断建议调整所述目标模型算法的参数和/或所述样本特征集； 基于调整参数后的所述目标模型算法和/或调整后的所述样本特征集对所述目标 模型进行优化。 本申请第三方面提供了一种计算机装置，其包括至少一个连接的处理器、存储器 和收发器，其中，所述存储器用于存储程序代码，所述程序代码由所述处理器加载并执行以 实现上述所述的模型的诊断方法的步骤。 本申请第四方面提供了一种计算机可读存储介质，其包括指令，当其在计算机上 运行时，使得计算机执行上述所述的模型的诊断方法的步骤。 综上所述，可以看出，本申请提供的实施例中，通过运维场景获取样本特征集，并 选择运维场景对应的算法，之后根据运维场景对应的算法以及样本特征集训练模型，并计 算模型的评分，并根据评分确定诊断建议，之后展示模型的诊断建议和/或模型的评分。由 此可见，本申请中，可以基于运维场景构建对应的模型，并对模型进行诊断评估以及展示诊 断建议和/或评估结果。 附图说明 图1为本申请实施例提供的AIOps的架构示意图； 图2为本申请实施例提供的运维场景的异常处理示意图； 图3为本申请实施例提供的模型的诊断方法的一个流程示意图； 图4为本申请实施例提供的模型的诊断方法的另一流程示意图； 图5为本申请实施例提供的样本准备的页面示意图； 图6为本申请实施例提供的数据处理的页面示意图； 图7为本申请实施例提供的时序异常特征库的详细界面示意图； 图8为本申请实施例提供的调节模型算法的超参数的界面示意图； 图9为本申请实施例提供的模型的总览的界面示意图； 图10为本申请实施例提供的模型的曲线分布的界面示意图； 图11为本申请实施例提供的模型评估的数据预览曲线示意图； 图12为本申请实施例提供的模型的组装和拼接的界面示意图； 图13为本申请实施例提供的以模型为异常检测模型为例进行数据采集、处理以及 告警的流程示意图； 图14为本申请实施例提供的模型的诊断装置的虚拟结构示意图； 图15为本申请实施例提供的终端设备的硬件结构示意图； 图16为本申请实施例提供的服务器的硬件结构示意图。