巧用机器学习定位云主机故障

云服务器数据如何划分

数据划分：随机分层抽样，划分训练集（70%）用于构建模型，测试集（30%）用于验证模型效果；数据预处理：数据整合、数据清洗、文本分词等过程在训练集和测试集上是同样的处理方式。 以确保最后的干净的训练集 … 云服务器数据如何划分

对于每一单母机故障我们都需要定位出背后真实的故障原因，以便对相应的部件进行更换以及统计各种部件故障率的情况，因此故障定位和分析消耗的人力也越来越多。

希望能借助机器学习的方法对历史故障母机的日志数据进行学习，沉淀出一些模型出来实现自动化的分析新的母机故障的原因，进而提高母机工单的处理效率解放人力，同时也能分析出故障的一些规律，进而实现对故障的预测等。

查看三类日志，分析是否每一种日志对故障定位都有存价值。剔除无价值的日志；根据业务需求，选择特定的故障类别。因为某些故障的工单数量特别少，难以建立机器学习模型做分类。

保留三种日志不全为空的故障工单，完全无记录的工单是无法利用的；根据工单编号ticket_id将日志及故障工单整合，工单和母机应该是一一对应的。