解题思路

1) 数据清洗（按列统计 ➜ 按行替换）

• 将每条日志按逗号切分：第 1 列为设备ID；最后一列为标签 y∈{0,1}；中间前 5 列依次为特征： 写入次数、读取次数、平均写入延迟(ms)、平均读取延迟(ms)、设备使用年限(年)。 （若行里意外多出字段，取前 5 个数值作特征、最后一个作标签，兼容样例1）
• 缺失值填充：若特征中出现字符串 "NaN"，视为缺失，用该列有效值的均值填充（仅用训练集估计）。
• 异常值矫正：按规则判定异常并用该列有效值（在合法区间内）中位数替换：

题目内容

在云存储系统中，需要预测存储设备故障以提前迁移数据。每条设备日志包含:

设备 $ID$ ，写入次数，读取次数，平均写入延迟 $(ms)$ ，平均读取延迟 $(ms)$ ，设备使用年限(年)，设备状态($0$正常/$1$故障)

你需要实现一个设备故障预测系统。包含以下功能:

1、数据清洗:

• 缺失值标记为"$NaN$"，用该字段有效值的均值填充

• 异常值范围:

  写入/读取次数:$<0$

  平均写入/读取延迟:$<0$或$>1000$

  使用年限:$<0$或$>20$

  异常值用该字段有效值的中位数替换

2、逻辑回归模型:

• 使用批量梯度下降法 $(Batch$ $GD)$ 训练，每次迭代使用全部样本

• 特征:[写入次数，读取次数，平均写入延迟，平均读取延迟，设备使用年限]

• 标签:设备状态

• 参数:迭代 $100$ 次，学习率 $α=0.01$，初始权重全 $0$

3、预测输出:

预测结果: $0$ (正常)或 $1$ (故障)

输入描述

第一行为训练总个数 $N，(2<=N <= 100)$

第二行起连续 $N$ 行训练数据，每个训练数据包含:设备$ID$，写入次数，读取次数，平均写入延迟，平均读取延迟，设备使用年限，状态

第 $N+2$ 行为预测数据总个数 $M，(1<=M<=10)$

第 $N+3$ 行起连续 $M$ 行预测数据，每个预测数据包含:设备 $ID$ ，写入次数，读取次数，平均写入延迟，平均读取延迟，设备使用年限，状态

输出描述

$M$ 行预测结果

样例1

输入

5
dev1,NaN,-50,NaN,-2.0,25,0
dev2,180,90,18.0,9.0,4,0
dev3,NaN,80,1500.0,800.0,NaN,0
dev4,-100,-50,-5.0,-2.0,-1,0
dev5,200,NaN,20.0,NaN,5,1
2
dev_predict1,80,40,NaN,2.0,2,0
dev_predict2,210,105,18.0,9.8,4,0

输出

0
0

说明

1、预测数据包含缺失值"$NaN$"，需要数据清洗

2、$M$ 值为 $2$ ，输出分为 $2$ 行，第一行表示“dev_predict1"设备的预测结果为 $0$ ，第二行表示 “dev_predict2” 设备的预期结果为 $0$

样例2

输入

3
dev1,100,50,20.1,10.2,2,0
dev2,150,80,25.3,NaN,3,1
dev3,120,60,22.4,15.0,1,0
1
dev_predict1,130,70,21.0,12.0,2,0

输出

1

说明

输出"dev_predict1“设备的预测结果为 $1$

提示

线性组合 $z$：

$z=w_0+\sum^5_{i=1}w_ix_i$

概率函数 $P(y=1)$ ：

$P(y=1)=\frac{1}{1+e^{-z}}$

预测规则：