面向磁盘故障预测的机器学习方法比较
【出 处】:《
计算机工程与科学
》
CSCD
2015年第37卷第12期 2200-2207页,共8页
【作 者】:
董勇
[1] ;
蒋艳凰
[1] ;
卢宇彤
[1] ;
周恩强
[2]
【摘 要】
磁盘是保存数据的重要载体,提高磁盘的可靠性和数据可用性具有重要意义。现代磁盘普遍支持SMART协议,用来监控磁盘的内部工作状态。采用机器学习方法,分析磁盘的SMART信息,实现对磁盘故障的预测。所采用的机器学习方法包括反向神经网络、决策树、支持向量机以及简单贝叶斯,并采用实际磁盘SMART数据进行验证与分析。基于上述数据,对不同机器学习方法的有效性及其效果进行了对比。结果表明,决策树方法的预测率最好,支持向量机方法的误报率最低。
相关热词搜索: