SPEC CPU 2017/2006测试成绩预测

需求

当前测试方案中，当spec cpu 2017测试执行过程中出现报错时，spec cpu 2017测试程序会强制中断，不会给出已执行完成的任务(spec cpu 2017 intrate包含10个任务，分别为：500.perlbench、502.gcc、505.mcf、520.omnetpp、523.xalancbmk、525.x264、531.deepsjeng、541.leela、548.exchange2、557.xz)的成绩，无法评估spec cpu 2017的总成绩，spec cpu 2017测试需要的执行时间长达40个小时以上，如果中途执行报错中断，无法获取总分数，需要重新执行，严重影响spec cpu 2017测试执行效率。

预测方法

• 通过获取大量的SPEC CPU 2017测试总成绩，获取每个任务的执行分数与总成绩的比例值,并取所述比例值的平均值作为换算比率，实现在SPEC CPU 2017测试中断的情况下，利用现有已完成的相应任务的执行分数预测总分数,从而提高测试效率,避免影响根据SPEC CPU 2017测试总分数进行的调试。
• 对历史数据进行训练并建立多元线性回归模型进行预测
• python实现

import random
import numpy as np
import matplotlib.pyplot as plt

#加载数据
def load_exdata(filename):
    data = []
    with open(filename, 'r') as f:
        for line in f.readlines():
            line = line.split(',')
            current = [float(item) for item in line]
            data.append(current)
    return data

data = load_exdata('cfp2017_ML.csv')
data = np.array(data, np.float64)

# 特征缩放
def featureNormalize(X):
    X_norm = X
    mu = np