调度器预测的正确统计方法选择问题

数据挖掘 预测建模
2022-03-04 19:54:28

我正在努力为以下问题选择正确的数据预测方法。本质上,我正在尝试对调度程序操作进行建模,试图在不知道调度机制且数据不完整的情况下预测其调度。

(1)有M个可用资源块可以承载数据,N个数据通道,每次实例i都必须调度

(2) 调度器的输入:

  • 矩阵Xi大小为 M x N,由来自每个数据源的 N 个列向量组成。M个元素中的每一个都是从1到32的索引,携带有关特定资源块的数据信道质量的信息。1 - 质量很差,32 - 质量很好。

  • 包含要传输的数据类型的数据(语音/互联网等)

调度器在每个时刻 i 优先考虑每个通道占用的资源块数。

鉴于

  • 我每次都能看到资源分配图

  • 我可以访问矩阵Xi

  • 我不知道调度程序的算法和

  • 我无权访问要安排的数据类型。

我想有一个最好的猜测(预测)如何根据这个不完整的信息来调度数据,即哪个资源块将被哪个数据通道占用。预测/建模算法的最佳选择是什么?任何帮助表示赞赏!

1个回答

你知道调度器有没有内存吗?

让我们暂时假设调度程序没有内存。这是一个简单的分类(监督学习)问题:输入是 X,输出是时间表(N->M 个映射)。实际上,如果每个N 都被调度并且唯一的问题是它得到了哪个 M,则输出是列出每个块调度哪个通道(或没有)的列表,并且这些通道中只有一定的可能数量,因此您可以将它们建模为具有自己概率的离散输出(类)。使用你喜欢的任何东西(AdaBoost、朴素贝叶斯、RBF SVM、随机森林......)作为分类器。我认为您将很快了解调度程序的一般行为。

如果调度程序有内存,那么事情就会变得复杂。我认为您可以将其视为隐马尔可夫模型:但是单个状态的数量可能非常大,因此可能基本上不可能构建完整的转移概率图。