本申请实施例涉及智能设备领域，特别涉及一种数据处理方法及电子设备。
背景技术：
设备维修，特别是在it行业，是一个非常重要的部门，该部门要求维修工程师能够快速准确地诊断出设备的症结点，并予以正确的维修，保证设备能够正常运行。但是，由于设备故障的症结诊断以及维修均是由维修工程师人工处理，故很难保证诊断及维修标准及水平的统一。目前很多厂商为解决该技术问题，采用机器对设备进行症结诊断，但精度欠佳，当得到的诊断数据错误时，操作人员并不知道机器诊断出错的原因，不能精进诊断程序，故不能较好地解决上述技术问题。
申请内容
本申请实施例提供了一种能够获知机器诊断时参考的条件数据的数据处理方法及应用该方法的电子设备。
为了解决上述技术问题，本申请实施例提供了一种数据处理方法，其中，包括：
获得表征用户对目标事件的分析结果的第一诊断数据，以及表征机器对所述目标事件的分析结果的第二诊断数据，所述第二诊断数据不同于所述第一诊断数据；
根据所述第一诊断数据和第二诊断数据确定所述机器得出所述第二诊断数据而非所述第一诊断数据所参考的各条件数据；
输出所述条件数据。
作为优选，还包括：
获得表征用户对所述条件数据的认同度的判定数据；
基于所述判定数据确定所述目标事件的实际诊断数据，所述实际诊断数据至少可为所述第一诊断数据或第二诊断数据。
作为优选，所述根据所述第一诊断数据和第二诊断数据确定所述机器得出所述第二诊断数据而非所述第一诊断数据所参考的各条件数据包括：
基于所述第一诊断数据确定所述机器的分析结果中与所述第一诊断数据信息相关的第一条件数据；
基于所述第二诊断数据确定所述机器的分析结果中与所述第二诊断数据信息相关的第二条件数据。
作为优选，所述机器内建立有多个分别用于对所述目标事件进行分析以得出不同诊断数据的诊断模型，每个所述诊断模型的训练数据至少部分不同；
所述确定所述第一条件数据和第二条件数据包括：
基于所述第一诊断数据确定所述机器中用于计算得出所述目标事件具有第一诊断数据的第一诊断模型；
基于所述第二诊断数据确定所述机器中用于计算得出所述目标事件具有第二诊断数据的第二诊断模型；
基于所述第一诊断模型确定其第一显著因素，并定义所述第一显著因素为所述第一条件数据；
基于所述第二诊断模型确定其第二显著因素，并定义所述第二显著因素为所述第二条件数据。
作为优选，所述获得表征用户对所述条件数据的认同度的判定数据包括：
获得第一判定数据，所述第一判定数据表征用户对所述第一条件数据中认同的子数据所占所有子数据的比例；
获得第二判定数据，所述第二判定数据表征用户对所述第二条件数据中认同的子数据所占所有子数据的比例。
作为优选，所述基于所述判定数据确定所述目标事件的实际诊断数据包括：
确定所述第一判定数据小于第一阈值；
确定所述第二判定数据小于第二阈值；
则确定所述第一诊断数据为实际诊断数据；或
确定所述第一判定数据不小于第一阈值；
确定所述第二判定数据不小于第二阈值；
则确定所述第二诊断数据为实际诊断数据。
作为优选，确定所述第一判定数据小于第一阈值；
确定所述第二判定数据不小于第二阈值；
确定第一判定数据与第二判定数据的大小关系；
确定数值大的第一判定数据或第二判定数据所对应的第一诊断数据或第二诊断数据为实际诊断数据。
作为优选，所述基于所述判定数据确定所述目标事件的实际诊断数据包括：
确定所述第一判定数据小于第一阈值，或第二判定数据小于第二阈值；
处理所述第一条件数据或第二条件数据，并将处理结果进行聚类计算；
基于计算结果确定历史数据中与所述目标事件近似的参考事件及其诊断数据；
输出所述参考事件及其诊断数据，以使用户基于所述参考事件及其诊断数据重新对所述第一条件数据或第二条件数据进行判定，并基于新的判定数据确定所述目标事件的实际诊断数据。
作为优选，所述基于所述判定数据确定所述目标事件的实际诊断数据包括：
确定所述第一判定数据不小于第一阈值；
确定所述第二判定数据小于第二阈值；
基于所述第二条件数据以及第二判定数据利用层次分析法重新确定所述第二诊断模型的权重，并更新所述第二诊断模型。
本申请实施例同时提供一种电子设备，其中，包括：
获得模块，其用于获得表征用户对目标事件的分析结果的第一诊断数据，以及表征机器对所述目标事件的分析结果的第二诊断数据，所述第二诊断数据不同于所述第一诊断数据；
处理模块，其用于根据所述第一诊断数据和第二诊断数据确定所述机器得出所述第二诊断数据而非所述第一诊断数据所参考的各条件数据。
基于上述实施例的公开可以获知，本申请实施例具备的有益效果包括能够在用户和机器对目标症结的诊断数据不一致时，基于用户的第一诊断数据和机器的第二诊断数据来确定出机器得出第二诊断数据，而非第一诊断数据所参考的各条件数据，并输出该条件数据，以供用户参考，使用户知道机器做出该第二诊断的原因。
附图说明
图1为本申请实施例中的数据处理方法的流程图。
图2为本申请另一实施例中的数据处理方法的流程图。
图3为本申请另一实施例中的数据处理方法的流程图。
图4为本申请另一实施例中的数据处理方法的流程图。
图5为本申请另一实施例中的数据处理方法的流程图。
图6为本申请另一实施例中的数据处理方法的流程图。
图7为本申请实施例具体应用时的方法流程图。
图8为本申请实施例中的电子设备的结构框图。
具体实施方式
下面，结合附图对本申请的具体实施例进行详细的描述，但不作为本申请的限定。
应理解的是，可以对此处公开的实施例做出各种修改。因此，下述说明书不应该视为限制，而仅是作为实施例的范例。本领域的技术人员将想到在本公开的范围和精神内的其他修改。
包含在说明书中并构成说明书的一部分的附图示出了本公开的实施例，并且与上面给出的对本公开的大致描述以及下面给出的对实施例的详细描述一起用于解释本公开的原理。
通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述，本申请的这些和其它特性将会变得显而易见。
还应当理解，尽管已经参照一些具体实例对本申请进行了描述，但本领域技术人员能够确定地实现本申请的很多其它等效形式，它们具有如权利要求所述的特征并因此都位于借此所限定的保护范围内。
当结合附图时，鉴于以下详细说明，本公开的上述和其他方面、特征和优势将变得更为显而易见。
此后参照附图描述本公开的具体实施例；然而，应当理解，所公开的实施例仅仅是本公开的实例，其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本公开模糊不清。因此，本文所公开的具体的结构性和功能性细节并非意在限定，而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本公开。
本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”，其均可指代根据本公开的相同或不同实施例中的一个或多个。
下面，结合附图详细的说明本申请实施例。
如图1所示，本申请实施例公开一种数据处理方法，其中，包括：
获得表征用户对目标事件的分析结果的第一诊断数据，以及表征机器对目标事件的分析结果的第二诊断数据，第二诊断数据不同于第一诊断数据；
根据第一诊断数据和第二诊断数据确定机器得出第二诊断数据而非第一诊断数据所参考的各条件数据；
输出各条件数据。
例如，一汽车部件(相当于目标事件)出现故障，或者计算机内的一功能部件出现故障，维修工程师(相当于用户)欲对该故障部件进行故障诊断时，可将该故障部件的状态数据，关于问题现象的数据等输入机器中，由机器做出诊断并得到第二诊断数据，同时维修工程师也可对该故障部件进行诊断，并得到第一诊断数据。当维修工程师发现第一诊断数据和第二诊断数据不同时，可将第一诊断数据输入机器中，或者，维修工程师在做出诊断数据后直接将第一诊断数据输入至机器中，由机器做出第一诊断数据与第二诊断数据不同的判断。当机器获得两诊断数据，并得知两个诊断数据不同时，机器可对两个诊断数据进行分析，例如，机器可分析两个诊断数据确定故障症结，如第一诊断数据表明故障部件的症结在于症结a，第二诊断数据表明故障部件的症结在于症结b，接着，机器可以确定出其在得到第二诊断数据时所参考的条件数据，即，确定症结在于b时参考的条件数据，以及分析得出基于何种条件数据确定故障部件的症结不在a的条件数据。待所有机器在做出诊断时所参考的条件数据后，机器可将该所有的条件数据输出，或者仅输出机器认为症结不在a时所参考的条件数据，以供维修工程师参考。维修工程师可根据机器输出的条件数据来自我检测，自我分析，确定误判方是自己还是机器，倘若为机器，维修工程师便可基于机器输出的条件数据来获知机器的诊断漏洞，并对机器的诊断程序做出相应调整，以精进机器的诊断精度。或者，维修工程师也可将其不认可，或者确定不正确的条件数据告知机器，并将正确的诊断结果及条件数据输入至机器中，由机器自动学习并更新诊断程序，以提高其诊断精度。
基于上述实施例的公开可以获知，本申请实施例具备的有益效果包括能够在用户和机器对目标症结的诊断数据不一致时，基于用户的第一诊断数据和机器的第二诊断数据来确定出机器得出第二诊断数据，而非第一诊断数据所参考的各条件数据，并输出该条件数据，以供用户参考，使用户知道机器做出该第二诊断的原因，并基于此原因或自我检测，或确定机器的诊断程序的漏洞所在，并针对该漏洞，主动修改或告知机器正确的诊断数据及条件数据由机器自动修补，更新诊断程序，以提高机器未来的诊断精度。
进一步地，如图2所示，本实施例中的方法还包括：
获得表征用户对条件数据的认同度的判定数据；
基于判定数据确定目标事件的实际诊断数据，实际诊断数据至少可为第一诊断数据或第二诊断数据。
也就是，当机器至少将其得到诊断结果b而非a的条件数据进行输出后，维修工程师可对该各个条件数据的参考对错，即，是否应该参考该条件数据的对错进行判断，确定是否认可参考该条件数据的行为，并输入机器中，例如机器可将各条件数据罗列出，并于前方设置勾选框，维修工程师可勾选不认可或认可的条件数据，以通过该种方式将关于认同度的判定数据输入至机器中。或者，机器还可在罗列各条件数据后，在各条件数据前设置多个表征不同认同百分比的勾选框，维修工程师可基于该勾选框确定认同度等。待机器获得维修工程师对各条件数据的认同度判定数据后，可基于该判定数据确定目标部件的实际诊断数据，例如，机器可分析维修工程师认同度的判定数据，如基于历史相似事件的数据与各条件数据的认同度判定数据进行分析比对，以确定出维修工程师的判定数据是否正确，若机器经分析后认同维修工程师对各条件数据的判定，那么则确定维修工程师做出的第一诊断数据正确，并定义该第一诊断数据为实际诊断数据，即，将第一诊断数据作为最终的诊断结果。反之，若维修工程师认可机器参考的所有，或大部分条件数据时，机器则可确定第二诊断数据正确，第并定义第二诊断数据作为最终的实际诊断数据。或者，维修工程师可基于该条件数据确定出不同于第一诊断数据和第二诊断数据的第三诊断数据，或者机器也可基于判定数据而确定出第三诊断数据，并输出，若维修工程师与机器相互认可第三诊断数据，则可将该第三诊断数据确定为实际诊断数据。在该第三诊断数据的确定期间，机器同样可输出其诊断为第三诊断时所参考的条件数据供维修工程师判定，基于判定结果确定维修工程师是否认可该诊断。
进一步地，本实施例中在根据第一诊断数据和第二诊断数据确定机器得出第二诊断数据而非第一诊断数据所参考的各条件数据时包括：
基于第一诊断数据确定机器的分析结果中与第一诊断数据信息相关的第一条件数据；
基于第二诊断数据确定机器的分析结果中与第二诊断数据信息相关的第二条件数据。
例如，机器基于获得的第一诊断数据可首先确定出第一诊断数据和第二诊断数据表征的含义，如该第一诊断数据表征故障部件具有故障a,该第二诊断数据表征故障部件具有故障b。然后机器可分析当其确定部件具有故障a时，其会参考的条件数据，当其确定部件具有故障b时，其会参考的条件数据，并定义确定故障a时参考的条件数据为第一条件数据，定义确定故障b时参考的条件数据为第二条件数据。该第一条件数据与第二条件数据即可表征机器在诊断部件具有故障b而非故障a时所参考的条件数据，机器可直接输出该第一条件数据和第二条件数据。或者，机器可对故障a与故障b的条件数据进行比对，确定出不同的条件数据，然后仅输出不同的条件数据，而且，机器还可同时输出故障部件具有的与第一条件数据或第二条件数据或该不同的条件数据能够相匹配的故障数据，以供维修工程师参考。
进一步地，为了提高故障诊断的精度，本实施例中的机器内建立有多个分别用于对目标事件进行分析以得出不同诊断数据的诊断模型，每个诊断模型的训练数据至少部分不同。也即，每个诊断模型均用于诊断出目标部件存在的不同故障问题，故每个诊断模型在训练时是具有针对性的，如第一诊断模型就用于诊断出目标部件是否具有故障a，即问题a,第二诊断模型就用于诊断出目标部件是否具有故障b，即问题b，以此类推，因此在对各个诊断模型进行训练时，便可将会导致目标部件具有问题a的数据对第一诊断模型进行训练，将会导致目标部件具有问题b的数据对第二诊断模型进行训练，如此，训练得到的诊断模型对于各个故障问题的诊断精度会大幅提高，相比于基于所有问题的诊断数据进行训练的模型，本实施例中的各个诊断模型的诊断结果会符合实际情况，即，准确度更高。
进一步地，如图3所示，本实施例中在确定上述第一条件数据和第二条件数据时包括：
基于第一诊断数据确定机器中用于计算得出目标事件具有第一诊断数据的第一诊断模型；
基于第二诊断数据确定机器中用于计算得出目标事件具有第二诊断数据的第二诊断模型；
基于第一诊断模型确定其第一显著因素，并定义第一显著因素为第一条件数据；
基于第二诊断模型确定其第二显著因素，并定义第二显著因素为第二条件数据。
具体地，本实施例中在确定第一条件数据和第二条件数据时，首先根据第一诊断数据和第二诊断数据确定出相匹配地诊断模型，如由第一诊断数据得知维修工程师认为目标部件具有问题a，第二诊断数据确定目标部件具有问题b，而用于诊断目标部件是否具有问题a的诊断模型为第一诊断模型，用于诊断目标部件是否具有问题b的诊断模型为第二诊断模型，故经对比可确定出与两个诊断数据分别匹配的诊断模型为第一诊断模型和第二诊断模型。接着，系统确定第一诊断模型的第一显著因素以及第二诊断模型的第二显著因素，该两个显著因素分别为表征第一诊断模型确定目标部件具有问题a，表征显著影响目标部件具有问题a的因素，以及第二诊断模型确定目标部件具有问题b，表征显著影响目标部件具有问题b的因素，该两个因素可在各模型训练时得到。该显著因素的数量不唯一，可为一个也可为多个，具体不定。机器在确定第一显著因素和第二显著因素后，便定义该第一显著因素和第二显著因素分别为第一条件数据和第二条件数据。
进一步地，在获得表征用户对条件数据的认同度的判定数据时，包括：
获得第一判定数据，第一判定数据表征用户对第一条件数据中认同的子数据所占所有子数据的比例；
获得第二判定数据，第二判定数据表征用户对第二条件数据中认同的子数据所占所有子数据的比例。
如，结合上述实施例，第一条件数据为第一显著因素，假设第一显著因素有k个，机器将该k个第一显著因素罗列输出，请维修工程师对该k个第一显著因素进行判断，确定该k个第一显著因素是否会导致目标部件具有问题a,同时还可确定目标部件是否具有与该第一显著因素相匹配的故障数据，在具体输出k个第一显著因素时，可将第一显著因素与目标部件的故障数据进行融合，使在输出k个第一显著因素时，输出的具体内容是通过目标部件的故障数据来体现k个显著因素的，或者将相匹配的故障数据及第一显著因素同时输出，如以表格比对的方式进行输出，以方便维修工程师参考，判断。在维修工程师进行判断时，机器可在每个显著因素前设置勾选框，供维修工程师将其认可的显著因素进行勾选，然后机器基于该勾选结果确定出勾选的显著因素的比例，基于该比例数据确定第一判定数据。同理，第二判定数据也采用上述相同的方法获得。
进一步地，在机器获得判定数据后基于判定数据确定目标事件的实际诊断数据，包括：
确定第一判定数据小于第一阈值；
确定第二判定数据小于第二阈值；
则确定第一诊断数据为实际诊断数据；或
确定第一判定数据不小于第一阈值；
确定第二判定数据不小于第二阈值；
则确定第二诊断数据为实际诊断数据。
具体地，假设第一阈值与第二阈值分别为一固定限制，如50％，当然两个限制也可不一致，具体不定。本实施例中以两个阈值相同，均为50％为例进行说明。当机器判断第一判定数据和第二判断数据均小于50％时，则表明，维修工程师不认可机器内第一诊断模型和第二诊断模型确定的第一显著因素和第二显著因素，也不认可机器将故障部件中的故障数据与各显著因素所做的对应关系，那么此时，机器则自动确定以维修工程师确定的第一诊断数据为最终的实际诊断数据。而当机器确定第一判定数据和第二判定数据均不小于，如等于或大于50％时，说明维修工程师认可机器中各诊断模型的显著因素，也认可机器将各显著因素与故障部件的故障数据所做的对应关系，则此时，机器自动确定由机器确定由机器做出的第二诊断数据为实际诊断数据。
进一步地，如图4所示，所示若机器基于第一判定数据和第二判定数据确定第一判定数据小于第一阈值，第二判定数据不小于第二阈值时，则：
确定第一判定数据与第二判定数据的大小关系；
确定数值大的第一判定数据或第二判定数据所对应的第一诊断数据或第二诊断数据为实际诊断数据。
如当机器确定第一判定数据小于第一阈值，第二判定数据不小于第二阈值时根据判定数据时，则机器可得知维修工程师对机器判定故障部件具有问题a的显著因素不认可，而认可机器判定故障部件具有问题b的显著因素，此时机器可对两个判定数据进行比对，确定二者的大小关系，并将数值较大的一方的判定数据对应的诊断数据作为最终的实际诊断数据。
进一步地，如图5所示，若机器经判确定第一判定数据小于第一阈值，或第二判定数据小于第二阈值时，为了防止维修工程师出现误判，则可：
处理第一条件数据或第二条件数据，并将处理结果进行聚类计算；
基于计算结果确定历史数据中与目标事件近似的参考事件及其诊断数据；
输出参考事件及其诊断数据，以使用户基于参考事件及其诊断数据重新对第一条件数据或第二条件数据进行判定，并基于新的判定数据确定目标事件的实际诊断数据。
例如，当机器确定维修工程师仅认可第一显著因素或第二显著因素时，为了避免维修工程师出现误判现象，机器可处理不被认可的第一条件数据或第二条件数据，如以pca分析法对第一条件数据或第二条件数据进行分析处理，得到向量x，然后对该处理结果x进行聚类计算，如输入至kmeans模型中进行聚类计算，基于计算结果在历史数据的空间坐标系中确定出与向量x距离最短的向量点，并经该向量点确定一历史案件，该历史案件即为与目标事件近似度最高的参考事件，在确定该参考事件后便可基于历史数据库等获得关于该参考事件的诊断数据，包括故障数据，参考的条件数据以及最终的实际诊断数据。接着，机器输出该各个参考事件的诊断数据，供用户进行参考，以对被否定的第一条件数据或第二条件数据重新进行认可度的判定，最后，机器基于该重新判定的判定数据及对应的阈值间的关系确定出最终的实际诊断数据。
进一步地，如图6所示，本实施例中在基于判定数据确定目标事件的实际诊断数据还包括：
确定第一判定数据不小于第一阈值；
确定第二判定数据小于第二阈值；
基于第二条件数据以及第二判定数据利用层次分析法重新确定第二诊断模型的权重，并更新第二诊断模型。
例如，当机器确定用于诊断目标部件具有问题a的第一诊断模型的第一显著因素的第一判定数据不小于第一阈值，表明维修工程师认可第一诊断模型诊断问题a的能力，也认可其认为目标部件不具有问题a的诊断。接着机器确定用于诊断目标部件具有问题b的第二诊断模型的第二显著因素的第二判定数据小于第二阈值，表明维修工程师不认可第二诊断模型诊断问题b的能力，不认可其标定的显著因素，也不认可其认为目标部件具有问题b的诊断。此时，机器则基于第二条件数据及第二判定数据利用ahp(analytichierarchyprocess)层次分析法重新确定出显著因素，以及第二诊断模型的权重。
具体地，如图7所示，具体应用时，该方法可具体包括：
对于目标部件进行诊断，工程师诊断认为是问题a,机器诊断认为是b问题而不是a问题,不一致。
步骤1，提示工程师机器诊断结果，请工程师快速检查a问题及b问题，如工程师改判与机器学习结果一致，则该事件结束，如工程师仍坚持与机器诊断结果不一致，则进入步骤2，工程师检查机器诊断因素。
步骤2-1，机器以历史数据，预先学习出判别a问题的诊断模型，列出机器学习a问题的模型的显著因素，假设显著因素为k个，请工程师逐一勾选确认，确定是否认可此事件基于这k个显著因素的数值，可以代表机器判定此事件不属于a问题。统计工程师认可的显著因素的数量为m个。
检测m是否大于k/2,如果是，则视为工程师认可机器学习认为此次目标部件没有a问题。
步骤2-2列出机器学习b问题的诊断模型的显著因素，假设为l个，请工程师逐一勾选确认，是否认可此事件基于这l个显著因素的数值，可以代表机器判定此部件具有b问题。统计工程师认可的显著因素数量为n个。
检测n是否大于l/2,如果是，则视为工程师认可机器诊断认为目标部件有b问题。
当步骤2-1，计算值为m<＝k/2，表征工程师不认可机器学习认为目标部件没有a问题，或步骤2-2,计算值为n<＝l/2,工程师不认可机器学习认为目标部件有b问题，此时进行步骤3-1或3-2,提供历史其他记录与此事件各因素数值相近案例做为参考。再请工程师重复步骤2-1或步骤2-2之评测。
方法：先以pca提取向量，再以此向量放入kmeans模型，衡量与此事件距离最短的另一历史事件,给工程师做为参考。
当5工程师评测，比较m/k及n/l
(1)同意机器诊断没a问题(原工程师判断问题)及同意机器诊断(原机器判断问题)有b问题，则结果机器学习正确：有b问题(原机器判断问题)。
(2)同意机器诊断没a问题(原工程师判断问题)及不同意机器诊断有b问题(原机器判断问题)，则结果以ahp(analytichierarchyprocess)层次分析法，重新决定用于诊断b问题的诊断模型的显著因素及权重。
(3)不同意机器诊断没a问题(原工程师判断问题)及同意机器诊断有b问题(原机器判断问题)，则结果以同意百分比高的问题类型为诊断问题，比如没a问题，认可度为m/k％,表示有a问题，认可度为1-m/k,同意机器诊断有b问题的认可度为n/l％,如1-m/k>n/l,则诊断结果是a问题，如1-m/k<n/l,则诊断结果是b问题。
(4)不同意机器诊断没a问题(原工程师判断问题)及不同意机器诊断有b问题(原机器判断问题)，则诊断结果是工程师正确,有a问题。
采用本实施例的上述数据处理方法可将机器学习与维修工程师的智慧结合，使机器学习更为灵活，学习的过程可认为参与，有效提高了机器学习的效率及能力。
如图8所示，本申请实施例同时提供一种电子设备，其中，包括：
获得模块，其用于获得表征用户对目标事件的分析结果的第一诊断数据，以及表征电子设备对目标事件的分析结果的第二诊断数据，第二诊断数据不同于第一诊断数据；
处理模块，其用于根据第一诊断数据和第二诊断数据确定电子设备得出第二诊断数据而非第一诊断数据所参考的各条件数据。
例如，一汽车部件(相当于目标事件)出现故障，或者计算机内的一功能部件出现故障，维修工程师(相当于用户)欲对该故障部件进行故障诊断时，可将该故障部件的状态数据，关于问题现象的数据等输入电子设备的中，由电子设备做出诊断并由获得模块得到第二诊断数据，同时维修工程师也可对该故障部件进行诊断，并得到第一诊断数据。当维修工程师发现第一诊断数据和第二诊断数据不同时，可将第一诊断数据输入电子设备中，或者，维修工程师在做出诊断数据后直接将第一诊断数据输入至电子设备中，由电子设备做出第一诊断数据与第二诊断数据不同的判断。当电子设备获得两诊断数据，并得知两个诊断数据不同时，电子设备的处理模块可对两个诊断数据进行分析，例如，处理模块可分析两个诊断数据确定故障症结，如第一诊断数据表明故障部件的症结在于症结a，第二诊断数据表明故障部件的症结在于症结b，接着，电子设备可以确定出其在得到第二诊断数据时所参考的条件数据，即，确定症结在于b时参考的条件数据，以及分析得出基于何种条件数据确定故障部件的症结不在a的条件数据。待所有电子设备在做出诊断时所参考的条件数据后，电子设备可将该所有的条件数据输出，或者仅输出电子设备认为症结不在a时所参考的条件数据，以供维修工程师参考。维修工程师可根据电子设备输出的条件数据来自我检测，自我分析，确定误判方是自己还是电子设备，倘若为电子设备，维修工程师便可基于电子设备输出的条件数据来获知电子设备的诊断漏洞，并对电子设备的诊断程序做出相应调整，以精进电子设备的诊断精度。或者，维修工程师也可将其不认可，或者确定不正确的条件数据告知电子设备，并将正确的诊断结果及条件数据输入至电子设备中，由电子设备自动学习并更新诊断程序，以提高其诊断精度。
基于上述实施例的公开可以获知，本申请实施例具备的有益效果包括电子设备能够在用户和电子设备对目标症结的诊断数据不一致时，基于用户的第一诊断数据和电子设备的第二诊断数据来确定出电子设备得出第二诊断数据，而非第一诊断数据所参考的各条件数据，并输出该条件数据，以供用户参考，使用户知道电子设备做出该第二诊断的原因，并基于此原因或自我检测，或确定电子设备的诊断程序的漏洞所在，并针对该漏洞，主动修改或告知电子设备正确的诊断数据及条件数据由电子设备自动修补，更新诊断程序，以提高电子设备未来的诊断精度。
进一步地，本实施例中的获得模块还配置为：
获得表征用户对条件数据的认同度的判定数据；
处理模块还配置为：
基于判定数据确定目标事件的实际诊断数据，实际诊断数据至少可为第一诊断数据或第二诊断数据。
也就是，当获得模块至少将其得到诊断结果b而非a的条件数据进行输出后，维修工程师可对该各个条件数据的参考对错，即，是否应该参考该条件数据的对错进行判断，确定是否认可参考该条件数据的行为，并输入电子设备中，例如电子设备可将各条件数据罗列出，并于前方设置勾选框，维修工程师可勾选不认可或认可的条件数据，以通过该种方式将关于认同度的判定数据输入至获得模块中。或者，电子设备还可在罗列各条件数据后，在各条件数据前设置多个表征不同认同百分比的勾选框，维修工程师可基于该勾选框确定认同度等。待获得模块获得维修工程师对各条件数据的认同度判定数据后，可基于该判定数据确定目标部件的实际诊断数据，例如，电子设备的处理模块可分析维修工程师认同度的判定数据，如基于历史相似事件的数据与各条件数据的认同度判定数据进行分析比对，以确定出维修工程师的判定数据是否正确，若处理模块经分析后认同维修工程师对各条件数据的判定，那么则确定维修工程师做出的第一诊断数据正确，并定义该第一诊断数据为实际诊断数据，即，将第一诊断数据作为最终的诊断结果。反之，若维修工程师认可电子设备参考的所有，或大部分条件数据时，电子设备则可确定第二诊断数据正确，第并定义第二诊断数据作为最终的实际诊断数据。或者，维修工程师可基于该条件数据确定出不同于第一诊断数据和第二诊断数据的第三诊断数据，或者处理模块也可基于判定数据而确定出第三诊断数据，并输出，若维修工程师与电子设备相互认可第三诊断数据，则可将该第三诊断数据确定为实际诊断数据。在该第三诊断数据的确定期间，电子设备同样可输出其诊断为第三诊断时所参考的条件数据供维修工程师判定，基于判定结果确定维修工程师是否认可该诊断。
进一步地，本实施例中在根据第一诊断数据和第二诊断数据确定电子设备得出第二诊断数据而非第一诊断数据所参考的各条件数据时包括：
基于第一诊断数据确定电子设备的分析结果中与第一诊断数据信息相关的第一条件数据；
基于第二诊断数据确定电子设备的分析结果中与第二诊断数据信息相关的第二条件数据。
例如，电子设备的处理模块基于获得的第一诊断数据可首先确定出第一诊断数据和第二诊断数据表征的含义，如该第一诊断数据表征故障部件具有故障a,该第二诊断数据表征故障部件具有故障b。然后电子设备可分析当其确定部件具有故障a时，其会参考的条件数据，当其确定部件具有故障b时，其会参考的条件数据，并定义确定故障a时参考的条件数据为第一条件数据，定义确定故障b时参考的条件数据为第二条件数据。该第一条件数据与第二条件数据即可表征电子设备的处理模块在诊断部件具有故障b而非故障a时所参考的条件数据，电子设备可直接输出该第一条件数据和第二条件数据。或者，电子设备的处理模块可对故障a与故障b的条件数据进行比对，确定出不同的条件数据，然后仅输出不同的条件数据，而且，电子设备还可同时输出故障部件具有的与第一条件数据或第二条件数据或该不同的条件数据能够相匹配的故障数据，以供维修工程师参考。
进一步地，为了提高故障诊断的精度，本实施例中的处理模块内建立有多个分别用于对目标事件进行分析以得出不同诊断数据的诊断模型，每个诊断模型的训练数据至少部分不同。也即，每个诊断模型均用于诊断出目标部件存在的不同故障问题，故每个诊断模型在训练时是具有针对性的，如第一诊断模型就用于诊断出目标部件是否具有故障a，即问题a,第二诊断模型就用于诊断出目标部件是否具有故障b，即问题b，以此类推，因此在对各个诊断模型进行训练时，便可将会导致目标部件具有问题a的数据对第一诊断模型进行训练，将会导致目标部件具有问题b的数据对第二诊断模型进行训练，如此，训练得到的诊断模型对于各个故障问题的诊断精度会大幅提高，相比于基于所有问题的诊断数据进行训练的模型，本实施例中的各个诊断模型的诊断结果会符合实际情况，即，准确度更高。
进一步地，本实施例中在确定上述第一条件数据和第二条件数据时包括：
基于第一诊断数据确定电子设备中用于计算得出目标事件具有第一诊断数据的第一诊断模型；
基于第二诊断数据确定电子设备中用于计算得出目标事件具有第二诊断数据的第二诊断模型；
基于第一诊断模型确定其第一显著因素，并定义第一显著因素为第一条件数据；
基于第二诊断模型确定其第二显著因素，并定义第二显著因素为第二条件数据。
具体地，本实施例中在确定第一条件数据和第二条件数据时，首先根据第一诊断数据和第二诊断数据确定出相匹配地诊断模型，如由第一诊断数据得知维修工程师认为目标部件具有问题a，第二诊断数据确定目标部件具有问题b，而用于诊断目标部件是否具有问题a的诊断模型为第一诊断模型，用于诊断目标部件是否具有问题b的诊断模型为第二诊断模型，故经对比可确定出与两个诊断数据分别匹配的诊断模型为第一诊断模型和第二诊断模型。接着，系统确定第一诊断模型的第一显著因素以及第二诊断模型的第二显著因素，该两个显著因素分别为表征第一诊断模型确定目标部件具有问题a，表征显著影响目标部件具有问题a的因素，以及第二诊断模型确定目标部件具有问题b，表征显著影响目标部件具有问题b的因素，该两个因素可在各模型训练时得到。该显著因素的数量不唯一，可为一个也可为多个，具体不定。处理模块在确定第一显著因素和第二显著因素后，便定义该第一显著因素和第二显著因素分别为第一条件数据和第二条件数据。
进一步地，获得模块在获得表征用户对条件数据的认同度的判定数据时，包括：
获得第一判定数据，第一判定数据表征用户对第一条件数据中认同的子数据所占所有子数据的比例；
获得第二判定数据，第二判定数据表征用户对第二条件数据中认同的子数据所占所有子数据的比例。
如，结合上述实施例，第一条件数据为第一显著因素，假设第一显著因素有k个，电子设备将该k个第一显著因素罗列输出，请维修工程师对该k个第一显著因素进行判断，确定该k个第一显著因素是否会导致目标部件具有问题a,同时还可确定目标部件是否具有与该第一显著因素相匹配的故障数据，在具体输出k个第一显著因素时，可将第一显著因素与目标部件的故障数据进行融合，使在输出k个第一显著因素时，输出的具体内容是通过目标部件的故障数据来体现k个显著因素的，或者将相匹配的故障数据及第一显著因素同时输出，如以表格比对的方式进行输出，以方便维修工程师参考，判断。在维修工程师进行判断时，电子设备可在每个显著因素前设置勾选框，供维修工程师将其认可的显著因素进行勾选，然后电子设备基于该勾选结果确定出勾选的显著因素的比例，基于该比例数据确定第一判定数据。同理，第二判定数据也采用上述相同的方法获得。
进一步地，在处理模块获得判定数据后基于判定数据确定目标事件的实际诊断数据，包括：
确定第一判定数据小于第一阈值；
确定第二判定数据小于第二阈值；
则确定第一诊断数据为实际诊断数据；或
确定第一判定数据不小于第一阈值；
确定第二判定数据不小于第二阈值；
则确定第二诊断数据为实际诊断数据。
具体地，假设第一阈值与第二阈值分别为一固定限制，如50％，当然两个限制也可不一致，具体不定。本实施例中以两个阈值相同，均为50％为例进行说明。当处理模块判断第一判定数据和第二判断数据均小于50％时，则表明，维修工程师不认可处理模块内第一诊断模型和第二诊断模型确定的第一显著因素和第二显著因素，也不认可处理模块将故障部件中的故障数据与各显著因素所做的对应关系，那么此时，处理模块则自动确定以维修工程师确定的第一诊断数据为最终的实际诊断数据。而当处理模块确定第一判定数据和第二判定数据均不小于，如等于或大于50％时，说明维修工程师认可处理模块中各诊断模型的显著因素，也认可处理模块将各显著因素与故障部件的故障数据所做的对应关系，则此时，处理模块自动确定由电子设备确定由处理模块做出的第二诊断数据为实际诊断数据。
进一步地，若处理模块基于第一判定数据和第二判定数据确定第一判定数据小于第一阈值，第二判定数据不小于第二阈值时，则：
确定第一判定数据与第二判定数据的大小关系；
确定数值大的第一判定数据或第二判定数据所对应的第一诊断数据或第二诊断数据为实际诊断数据。
如当处理模块确定第一判定数据小于第一阈值，第二判定数据不小于第二阈值时根据判定数据时，则处理模块可得知维修工程师对电子设备判定故障部件具有问题a的显著因素不认可，而认可处理模块判定故障部件具有问题b的显著因素，此时处理模块可对两个判定数据进行比对，确定二者的大小关系，并将数值较大的一方的判定数据对应的诊断数据作为最终的实际诊断数据。
进一步地，若处理模块经判确定第一判定数据小于第一阈值，或第二判定数据小于第二阈值时，为了防止维修工程师出现误判，则可：
处理第一条件数据或第二条件数据，并将处理结果进行聚类计算；
基于计算结果确定历史数据中与目标事件近似的参考事件及其诊断数据；
输出参考事件及其诊断数据，以使用户基于参考事件及其诊断数据重新对第一条件数据或第二条件数据进行判定，并基于新的判定数据确定目标事件的实际诊断数据。
例如，当处理模块确定维修工程师仅认可第一显著因素或第二显著因素时，为了避免维修工程师出现误判现象，处理模块可处理不被认可的第一条件数据或第二条件数据，如以pca分析法对第一条件数据或第二条件数据进行分析处理，得到向量x，然后对该处理结果x进行聚类计算，如输入至kmeans模型中进行聚类计算，基于计算结果在历史数据的空间坐标系中确定出与向量x距离最短的向量点，并经该向量点确定一历史案件，该历史案件即为与目标事件近似度最高的参考事件，在确定该参考事件后便可基于历史数据库等获得关于该参考事件的诊断数据，包括故障数据，参考的条件数据以及最终的实际诊断数据。接着，处理模块控制电子设备输出该各个参考事件的诊断数据，供用户进行参考，以对被否定的第一条件数据或第二条件数据重新进行认可度的判定，最后，处理模块基于该重新判定的判定数据及对应的阈值间的关系确定出最终的实际诊断数据。
进一步地，本实施例中在处理模块基于判定数据确定目标事件的实际诊断数据还包括：
确定第一判定数据不小于第一阈值；
确定第二判定数据小于第二阈值；
基于第二条件数据以及第二判定数据利用层次分析法重新确定第二诊断模型的权重，并更新第二诊断模型。
例如，当处理模块确定用于诊断目标部件具有问题a的第一诊断模型的第一显著因素的第一判定数据不小于第一阈值，表明维修工程师认可第一诊断模型诊断问题a的能力，也认可其认为目标部件不具有问题a的诊断。接着处理模块确定用于诊断目标部件具有问题b的第二诊断模型的第二显著因素的第二判定数据小于第二阈值，表明维修工程师不认可第二诊断模型诊断问题b的能力，不认可其标定的显著因素，也不认可其认为目标部件具有问题b的诊断。此时，处理模块则基于第二条件数据及第二判定数据利用ahp(analytichierarchyprocess)层次分析法重新确定出显著因素，以及第二诊断模型的权重。
具体地，如图7所示，具体应用时，该电子设备执行的方法步骤可具体包括：
对于目标部件进行诊断，工程师诊断认为是问题a,机器诊断认为是b问题而不是a问题,不一致。
步骤1，提示工程师机器诊断结果，请工程师快速检查a问题及b问题，如工程师改判与机器学习结果一致，则该事件结束，如工程师仍坚持与机器诊断结果不一致，则进入步骤2，工程师检查机器诊断因素。
步骤2-1，机器以历史数据，预先学习出判别a问题的诊断模型，列出机器学习a问题的模型的显著因素，假设显著因素为k个，请工程师逐一勾选确认，确定是否认可此事件基于这k个显著因素的数值，可以代表机器判定此事件不属于a问题。统计工程师认可的显著因素的数量为m个。
检测m是否大于k/2,如果是，则视为工程师认可机器学习认为此次目标部件没有a问题。
步骤2-2列出机器学习b问题的诊断模型的显著因素，假设为l个，请工程师逐一勾选确认，是否认可此事件基于这l个显著因素的数值，可以代表机器判定此部件具有b问题。统计工程师认可的显著因素数量为n个。
检测n是否大于l/2,如果是，则视为工程师认可机器诊断认为目标部件有b问题。
当步骤2-1，计算值为m<＝k/2，表征工程师不认可机器学习认为目标部件没有a问题，或步骤2-2,计算值为n<＝l/2,工程师不认可机器学习认为目标部件有b问题，此时进行步骤3-1或3-2,提供历史其他记录与此事件各因素数值相近案例做为参考。再请工程师重复步骤2-1或步骤2-2之评测。
方法：先以pca提取向量，再以此向量放入kmeans模型，衡量与此事件距离最短的另一历史事件,给工程师做为参考。
当5工程师评测，比较m/k及n/l
(1)同意机器诊断没a问题(原工程师判断问题)及同意机器诊断(原机器判断问题)有b问题，则结果机器学习正确：有b问题(原机器判断问题)。
(2)同意机器诊断没a问题(原工程师判断问题)及不同意机器诊断有b问题(原机器判断问题)，则结果以ahp(analytichierarchyprocess)层次分析法，重新决定用于诊断b问题的诊断模型的显著因素及权重。
(3)不同意机器诊断没a问题(原工程师判断问题)及同意机器诊断有b问题(原机器判断问题)，则结果以同意百分比高的问题类型为诊断问题，比如没a问题，认可度为m/k％,表示有a问题，认可度为1-m/k,同意机器诊断有b问题的认可度为n/l％,如1-m/k>n/l,则诊断结果是a问题，如1-m/k<n/l,则诊断结果是b问题。
(4)不同意机器诊断没a问题(原工程师判断问题)及不同意机器诊断有b问题(原机器判断问题)，则诊断结果是工程师正确,有a问题。
当电子设备采用本实施例的上述数据处理方法后可将电子设备学习与维修工程师的智慧结合，使电子设备学习更为灵活，学习的过程可认为参与，有效提高了电子设备学习的效率及能力。
以上实施例仅为本申请的示例性实施例，不用于限制本申请，本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内，对本申请做出各种修改或等同替换，这种修改或等同替换也应视为落在本申请的保护范围内。
1.一种数据处理方法，其中，包括：
获得表征用户对目标事件的分析结果的第一诊断数据，以及表征机器对所述目标事件的分析结果的第二诊断数据，所述第二诊断数据不同于所述第一诊断数据；
根据所述第一诊断数据和第二诊断数据至少确定所述机器得出所述第二诊断数据而非所述第一诊断数据所参考的各条件数据；
输出所述条件数据。
2.根据权利要求1所述的方法，其中，还包括：
获得表征用户对所述条件数据的认同度的判定数据；
基于所述判定数据确定所述目标事件的实际诊断数据，所述实际诊断数据至少可为所述第一诊断数据或第二诊断数据。
3.根据权利要求2所述的方法，其中，所述根据所述第一诊断数据和第二诊断数据确定所述机器得出所述第二诊断数据而非所述第一诊断数据所参考的各条件数据包括：
基于所述第一诊断数据确定所述机器的分析结果中与所述第一诊断数据信息相关的第一条件数据；
基于所述第二诊断数据确定所述机器的分析结果中与所述第二诊断数据信息相关的第二条件数据。
4.根据权利要求3所述的方法，其中，所述机器内建立有多个分别用于对所述目标事件进行分析以得出不同诊断数据的诊断模型，每个所述诊断模型的训练数据至少部分不同；
所述确定所述第一条件数据和第二条件数据包括：
基于所述第一诊断数据确定所述机器中用于计算得出所述目标事件具有第一诊断数据的第一诊断模型；
基于所述第二诊断数据确定所述机器中用于计算得出所述目标事件具有第二诊断数据的第二诊断模型；
基于所述第一诊断模型确定其第一显著因素，并定义所述第一显著因素为所述第一条件数据；
基于所述第二诊断模型确定其第二显著因素，并定义所述第二显著因素为所述第二条件数据。
5.根据权利要求4所述的方法，其中，所述获得表征用户对所述条件数据的认同度的判定数据包括：
获得第一判定数据，所述第一判定数据表征用户对所述第一条件数据中认同的子数据所占所有子数据的比例；
获得第二判定数据，所述第二判定数据表征用户对所述第二条件数据中认同的子数据所占所有子数据的比例。
6.根据权利要求5所述的方法，其中，所述基于所述判定数据确定所述目标事件的实际诊断数据包括：
确定所述第一判定数据小于第一阈值；
确定所述第二判定数据小于第二阈值；
则确定所述第一诊断数据为实际诊断数据；或
确定所述第一判定数据不小于第一阈值；
确定所述第二判定数据不小于第二阈值；
则确定所述第二诊断数据为实际诊断数据。
7.根据权利要求5所述的方法，其中，
确定所述第一判定数据小于第一阈值；
确定所述第二判定数据不小于第二阈值；
确定第一判定数据与第二判定数据的大小关系；
确定数值大的第一判定数据或第二判定数据所对应的第一诊断数据或第二诊断数据为实际诊断数据。
8.根据权利要求5所述的方法，其中，所述基于所述判定数据确定所述目标事件的实际诊断数据包括：
确定所述第一判定数据小于第一阈值，或第二判定数据小于第二阈值；
处理所述第一条件数据或第二条件数据，并将处理结果进行聚类计算；
基于计算结果确定历史数据中与所述目标事件近似的参考事件及其诊断数据；
输出所述参考事件及其诊断数据，以使用户基于所述参考事件及其诊断数据重新对所述第一条件数据或第二条件数据进行判定，并基于新的判定数据确定所述目标事件的实际诊断数据。
9.根据权利要求5所述的方法，其中，所述基于所述判定数据确定所述目标事件的实际诊断数据包括：
确定所述第一判定数据不小于第一阈值；
确定所述第二判定数据小于第二阈值；
基于所述第二条件数据以及第二判定数据利用层次分析法重新确定所述第二诊断模型的权重，并更新所述第二诊断模型。
10.一种电子设备，其中，包括：
获得模块，其用于获得表征用户对目标事件的分析结果的第一诊断数据，以及表征机器对所述目标事件的分析结果的第二诊断数据，所述第二诊断数据不同于所述第一诊断数据；
处理模块，其用于根据所述第一诊断数据和第二诊断数据确定所述机器得出所述第二诊断数据而非所述第一诊断数据所参考的各条件数据。
技术总结