StreamDFP:StreamDFP，用于通过概念漂移自适应进行磁盘故障预测的通用流挖掘框架

StreamDFP StreamDFP是用于通过概念漂移自适应进行磁盘故障预测的通用流挖掘框架。 它包括特征提取，样本标记以及预测模型的训练。 StreamDFP旨在基于三种关键技术来支持各种学习算法：在线标记，概念漂移感知训练和一般预测。 我们分两部分实现StreamDFP的原型。 第一部分在Python中实现以进行预处理。 我们实现了特征提取，缓冲，标记和第一阶段下采样。 第二部分是用Java编写的。 我们从本地文件系统中读取处理后的数据，以进行第二阶段的下采样和培训。 我们基于实现增量算法和变化检测器。 在StreamDFP-2.0.0中，我们将在线传输学习合并到StreamDFP中以预测少数磁盘模型。 先决条件 Python3：请安装和 。 Java：jdk-1.8.0 数据集 我们在公共数据集使用以下四个磁盘模型： 希捷ST3000DM001 希捷ST4000DM0