bhanu-bhadouria/IT-Incident-priority-predictor

# IT 事件优先级预测器 一个使用机器学习技术预测 IT 事件并进行优先级排序的 AI 驱动系统。 ## 概述 本项目专注于分析 IT 事件数据，并构建预测模型以自动为新发生的事件分配优先级。通过利用探索性数据分析 (EDA) 和特征工程，该系统可以帮助组织优化事件响应工作流。 ## 项目结构 - **EDA.py** - 用于了解事件数据模式的探索性数据分析脚本 - **feature_engineering.py** - 用于模型准备的特征工程流水线 - **incidents_day1.csv** - 示例事件数据集 - **可视化**: - `category_vs_priority.png` - 跨类别分布分析 - `correlation_matrix.png` - 特征相关性热力图 - `numerical_distributions.png` - 数值特征分布 - `target_distribution.png` - 优先级分布分析 - `time_patterns.png` - 事件中的时间模式 ## 开始使用 ### 前置条件 - Python 3.7+ - pandas - scikit-learn - matplotlib - seaborn ### 安装 ``` pip install -r requirements.txt ``` ### 用法 1. 运行探索性数据分析： ``` python EDA.py ``` 2. 执行特征工程： ``` python feature_engineering.py ``` ## 数据 主数据集 (`incidents_day1.csv`) 包含具有各种属性的事件记录，包括类别、优先级和时间信息。 ## 分析与洞察 本项目包含全面的可视化与分析： - 事件类别及其优先级分布 - 特征之间的相关性模式 - 数值特征分布 - 事件发生的时间模式 ## 许可证 本项目是 IT 事件管理系统的一部分。 ## Agentic AI 集成 本项目利用 **Agentic AI**（自主代理）来简化开发和分析工作流： ### 代理驱动的组件 #### 1. **探索性数据分析代理** - 自动化的事件数据集统计分析 - 模式检测和异常识别 - 生成分布分析和相关性矩阵 - 自主的特征重要性发现 #### 2. **特征工程代理** - 从原始事件数据中自动提取特征 - 智能数据转换和预处理 - 特征缩放和归一化 - 降维优化建议 #### 3. **数据可视化代理** - 自动生成具有洞察力的可视化图表 - 类别与优先级分布分析 - 时间模式分析 - 相关性矩阵生成 - 自动化图表创建和优化 #### 4. **模型开发代理** - 自主模型选择和训练 - 超参数优化 - 交叉验证和性能评估 - 模型比较和推荐 #### 5. **文档与 Git 管理代理** - 自动化 README 生成和更新 - 版本控制管理 - 提交跟踪和变更文档记录 - 仓库组织 ### Agentic 方法的好处 - **效率**：代理自动处理重复性数据处理任务 - **一致性**：标准化的分析和文档工作流 - **可扩展性**：易于扩展代理以适应新的事件来源 - **准确性**：减少数据处理和分析中的人为错误 - **速度**：并行处理多个分析任务 ### 代理的使用方式 1. **数据管道**：代理自动处理原始事件数据 2. **分析**：自主的统计和预测分析 3. **可视化**：代理无需人工干预即可创建全面的图表 4. **文档**：自动生成项目文档和变更日志 5. **Git 工作流**：自动化版本控制和提交管理 本项目展示了 **自主 AI 代理** 如何在保持质量和一致性的同时，显著加速 ML 项目开发。 ## 联系方式 如有问题或希望贡献，请联系开发团队。

标签：Agentic AI, AIOps, Apex, ITSM, IT服务管理, IT运维, matplotlib, pandas, Python, scikit-learn, seaborn, Socks5代理, 事件优先级分类, 事件管理, 人工智能, 代码示例, 分类算法, 大语言模型应用, 工单优先级预测, 工单系统, 探索性数据分析(EDA), 数据分析, 无后门, 时间序列分析, 智能运维, 机器学习, 热力图, 特征工程, 用户模式Hook绕过, 相关性分析, 网络研究, 自主智能体, 逆向工具, 预测模型