intermediate
适合初学者
链路质量预测模型
网络链路在拥塞、干扰或设备异常时会出现质量波动，需要提前识别风险。
技术栈
Python
Pandas
机器学习
可视化
业务目标
根据历史指标预测未来链路质量等级，辅助运维提前处置。
输入数据
吞吐、时延、丢包率、信噪比、时间窗口统计特征。
输出结果
质量等级、风险分数、影响最大的特征。
Baseline
用线性回归或随机森林建立第一版预测，并输出 MSE / Accuracy。
项目工作区
步骤进度 0/5
动手进度0%
项目笔记
交付物
质量等级、风险分数、影响最大的特征。
验收指标
MSE
Accuracy
Recall
提前预警命中率
评价指标
- MSE
- Accuracy
- Recall
- 提前预警命中率
扩展任务
- 加入异常检测
- 做分链路模型对比
- 增加数据漂移监控
复盘问题
- 哪些特征最容易泄漏未来信息？
- 模型错判会带来什么业务成本？