本发明公开了一种基于历史运行数据预测并行程序运行时间的方法,针对小规模历史运行数据预测大规模运行时间的问题,建立了使用随机森林和多任务套索回归的两层模型,随机森林可以拟合复杂的模型,而使用多任务套索回归,将相关性强的任务放在一起训练,可以降低内推模型预测的随机误差带来的影响。本发明提出的两层模型相较于之前已有的简单模型,在运行时间和程序输入参数之间的关系比较复杂时不会失效,可以得到准确的预测结果。同时,两层模型的训练和预测不需要任何专家知识,也无需对特征进行处理,可以对整个训练预测流程进行自动化。
声明:
“基于历史运行数据预测并行程序运行时间的方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)