赛题业务场景：描述赛题相关的真实企业业务背景。从真实场景中，适当简化或者提炼出适合比赛的赛题场景

在分布式系统中某个节点发生故障时，故障会沿着分布式系统的拓扑结构进行传播，造成自身节点及其邻接节点相关的KPI指标和发生大量日志异常。本次比赛提供分布式数据库的故障特征数据和标签数据，其中特征数据是系统发生故障时的KPI指标数据，KPI指标包括由feature0、feature1 ...feature106共107个指标，标签数据为故障类别数据，共6个类别，用0、1、2、3、4、5分别表示6个故障，参赛人员可根据这些数据，借助机器学习、深度学习、web等技术搭建故障诊断系统，该系统支持用户上传训练集对模型进行训练和模型下载，同时支持用户上传单条或多条测试语句进行测试并可视化测试结果，支持测试结果下载。

举例：故障1会引起feature1、feature5、feature15等指标异常，反过来可以通过feature1、feature5、feature15等指标异常诊断为系统发生故障1，电梯。

基本功能要求

1、选手实现故障诊断功能

①基于提供的带有故障标签的样本进行指标分析，训练故障分类模型，该模型能够对输入的测试数据进行故障诊断，在测试集上的分类准确率越高越好

2、软件运行在WEB平台

①该平台支持用户上传训练数据并在线训练，训练完成后可下载训练模型

②该平台支持单条或者批量测试样本上传，并可视化分类结果，同时支持下载分类结果

③系统运行流畅

④WEB的UI界面美观简洁、人机交互友好

非功能性要求

实现条件：开发环境、实验平台、开发语言、数据库、编译器、涉及硬件等实现条件

1、人工智能算法部分推荐使用python开发

2、WEB系统部分，选手选择熟悉的WEB框架，推荐使用主流的python web框架，如Django；或java web框架

测试数据或平台：提供给参赛者的测试环境和测试数据

测试环境：由参赛者自己准备

训练数据集：数据样例如下：

训练数据集下载：训练集5.31.zip  （总共10000个样本，数据更新日期：2023.05.31）

测试数据集：决赛或者现场比赛时由出题方提供，测试样例如下： 

验证集下载：验证集5.31.zip  （总共1000个样本，验证集附带有样本标签json文件，用于验证算法的泛化性和作为测试集预测结果json文件的格式参考）

测试集下载：测试集7.5.zip   （总共2000个样本，测试集只有特征没有标签数据）

{

   “0”:3

}

参赛队伍可以通过验证集来测试生成的json文件格式或者编码是否正确，建议json文件由程序生成，避免手动生成带来的格式或者编码异常。

注2：测试集预测结果json文件（统一命名为submit.json）与介绍PPT/演示视频和文档一起打包压缩，即放置在下图所示的zip包中：

开发所需设备及设备指标需求说明

无特殊要求

文档及其他要求

文档内容包括队伍信息介绍，模型介绍、实现思路、原理分析、结果分析。

各评分项及大致占比

1、算法模型评测(50%)

选手在规定时间内提交生成测试集结果，按照排名计算成绩，主要依赖测试集macro_F1的得分进行排名，其中macro_F1计算方式如下

2、WEB系统（30%）

3、技术文档详细且清楚，汇报时有创新点、逻辑清晰(20%)

初赛作品提交要求

1、代码源文件。

2、模型文件。

3、系统的可执行文件。

4、系统设计文档。

5、系统测试报告（包括准确率、模型大小）。

6、测试集分类结果文件。

7、汇报PPT及讲解。

8、演示视频（10分钟内）