华为的网络AI领域10大公开数据集是哪些

在华为开发者大会HDC.Cloud 3月20号直播间，华为网络人工智能数据湖专家周尧，向开发者们正式发布了网络AI领域10大公开数据集，解决了网络AI开发缺乏工业级数据的难题。

这10大数据集是华为从外场仿真数据和实验室模拟数据，经过解析治理、探索标注之后的，可以直接应用于网络领域AI应用开发的数据集。分为“异常检测类”、“控制优化类”、和“故障定界类”三大类：

异常检测类

1)性能指标异常检测数据集：时间序列数据集，包括正样本和负样本，可应用于时序序列预测等算法的训练和验证；样本量100W条，特征维度7维

2)性能指标变更监控测数据集：覆盖4种网络业务变更场景，包括变更成功场景和失败场景，失败场景数据有对应标签；样本量100W条，特征维度40维

3)硬盘故障检测数据集：覆盖日立，希捷共计16款硬盘型号，累积标注坏盘数量超2300块，应用于硬盘故障预测类问题分析与研究；样本量超230W条，特征维度超100维(覆盖厂商公开SMART指标)

控制优化类

4)数据中心群控数据集：包含冷塔、冷机、泵等设备的供回水温度、压力、IT机房、冷站设备能耗100+维特征，可应用于数据中心水冷冷冻水场景制冷系统优化模型训练；样本量2W条，特征维度100维

5)数据中心PUE优化数据集：覆盖3种制冷场景、4种末端空调、冷站群控、IT机房等设备能耗数据，基于冷却系统完成关联，应用于PUE优化、网络领域控制类模型开发与研究；样本量2W条，特征维度110维

故障定界类

6)无线接入故障数据集：覆盖20种无线接入故障类型，告警数据与工单数据相关关联，业务专家团队准确标注，可用于告警压缩和根因定位类模型开发，样本量65w条，特征维度7维

7)无线&IPRAN故障数据集：告警数据基于无线接入和IPRAN的设备拓扑进行关联，利用工单数据完成根因告警标注，覆盖37种故障类型，可用于告警压缩和故障定位，样本量700w+条，特征维度24维

8)无线&PTN故障数据集：告警数据基于无线基站、动力环境、PTN等设备拓扑进行关联，利用工单数据完成根因告警标注，覆盖48种故障类型，可用于告警压缩和故障定位，样本量100w+条，特征维度61维

9)无线&微波故障数据集：告警数据基于无线基站、动力环境、微波等设备拓扑进行关联，利用工单数据完成根因告警标注，覆盖29种故障类型，可用于告警压缩和故障定位，样本量100w+条，特征维度46维

10)PON光路故障数据集：PON光路故障场景数据，包含光纤弯曲、连接器松动等故障场景，覆盖光模块的电压，电流，接收光功率，发送光功率等特征，样本量4w条，特征维度11维

数据和特征决定了机器学习的上限，华为发布网络领域10大数据集，不但可以帮助网络AI开发者减少90%的数据集准备时间，更重要的是将会极大提高AI模型精度。目前已验证数据中心数据集助力AI模型达准确率达到89.77%，无线&IPRAN故障数据集提高高级聚合率到95.4%，查准率到90%。

现在使用华为云账号登录华为云，选择NAIE服务（路径：EI企业智能—智能体—网络智能体 NAIE），再从AI服务目录选择数据集服务，即可进入数据集服务页面选择所需公开数据集。