如何用机器学习与硬件计数器检测性能回归？
ZeroDark_Hereford · reddit · 2026-08-14
作者探讨了在性能回归检测中使用机器学习和异常检测的工程实践方法。
当前设置：
- 使用健康运行数据学习正常行为，回归运行数据用于测试异常检测能力。
- 每个计数器组仅有约 10 个健康样本。
- 在健康数据上使用留一法（leave-one-out）设置检测阈值，回归样本不参与训练或阈值选择。
核心疑问：
- 对于单类异常检测，是否仍需要常规的训练/验证/测试集划分？
- 在仅有 10 个健康样本的情况下，留一法是否优于按比例划分？
- 回归样本能否直接作为独立的测试集？
- 评估指标是否应侧重于假阳性率（FPR）和召回率，而非 MSE/MAE？
「Infra」频道最新
- 仅需 5GB 显存，开发者用 MiniMax H3 在本地 PC 打造专属宇宙 — cocktailpeanut · 2026-08-14
- 逆向工程 RTX 4090：一条 GPU 内存读取指令的底层硬核之旅 — CatAstro_Piyush · 2026-08-14
- 台积电 3nm 产能提前扩产：Q4 月产能将达 18 万片 — Beth_Kindig · 2026-08-14
- 计算机系统新前沿：多机共享内存的无限可能与挑战 — lauriewired · 2026-08-14
- OpenAI 预览 GPT-5.6 Sol 超快模式：速度提升 14 倍 — OpenAI · 2026-08-14
- 折腾矿卡：CMP 170HX 运行 llama.cpp 提速 50% 实测 — fragment_me · 2026-08-14