作业运行时长类别的精准预测
机器学习
2016-05-24 v2
摘要
将短作业与长作业分离是提高调度性能的已知技术。本文描述了我们开发的一种用于准确预测作业运行时长类别以实现此种分离的方法。我们的方法利用运行时长可表示为重叠高斯分布混合这一事实，以训练CART分类器来提供预测。分离短作业与长作业的阈值在分类器评估期间确定以最大化预测精度。我们的结果表明，在所用数据集上总体精度为90%，灵敏度和特异度均高于90%。
引用
@article{arxiv.1605.00388,
title = {Highly Accurate Prediction of Jobs Runtime Classes},
author = {Anat Reiner-Benaim and Anna Grabarnick and Edi Shmueli},
journal= {arXiv preprint arXiv:1605.00388},
year = {2016}
}