Interpretable infrastructure-level workload prediction for large-scale healthcare analytics
CLUSTER COMPUTING, cilt.30, ss.1-26, 2026 (SCI-Expanded, Scopus)
- Yayın Türü: Makale / Tam Makale
- Cilt numarası: 30
- Basım Tarihi: 2026
- Doi Numarası: 10.1007/s10586-026-06847-7
- Dergi Adı: CLUSTER COMPUTING
- Derginin Tarandığı İndeksler: Applied Science & Technology Source, Academic Search Ultimate (EBSCO), Scopus, Technology Collection (ProQuest), Aerospace Database, Science Citation Index Expanded (SCI-EXPANDED), Compendex, INSPEC
- Sayfa Sayıları: ss.1-26
- Ankara Üniversitesi Adresli: Evet
Özet
Büyük ölçekli sağlık hizmetleri analitik altyapıları, güvenilir ve şeffaf performansı korurken heterojen iş yüklerini işlemelidir. Bu çalışma, süre tanımlı altyapı düzeyindeki iş yükü durumunun geriye dönük sınıflandırılması için, aşırı gradyan artırma (XGBoost) ve destek vektör makinesi (SVM) sınıflandırıcıları, Yerel Yorumlanabilir Modelden Bağımsız Açıklamalar (LIME), SHapley Toplamsal Açıklamalar (SHAP), kısmi bağımlılık grafikleri (PDP) ve Kovaryans Matrisi Adaptasyon Evrim Stratejisi (CMA-ES) ile birlikte açıklanabilir bir çerçeve sunmaktadır. Çerçeve, Hadoop kümesinde dört ölçekte işlenen Ulusal Erken Uyarı Puanı (NEWS) iş yükleri kullanılarak değerlendirilmiştir. Hadoop ortamı, iş yükü yürütme ve altyapı metriklerinin toplanması için kullanılırken, model geliştirme ve değerlendirme yerel bir iş istasyonunda gerçekleştirilmiştir. Modelleme veri seti, Hadoop yürütmesi sırasında toplanan SmartMonit izleme kayıtlarından türetilen 24.000 görev düzeyinde profil içermektedir. Çerçeve, sınıflandırıcı geliştirmeyi SHAP bilgisine dayalı CMA-ES özellik ağırlığı optimizasyonu ile birleştirir. Tam optimizasyon hattı, temel yapılandırmalara göre daha yüksek sınıflandırma puanları elde etti. Model seçimi ve optimizasyon maliyetlerini hariç tutan bu ölçümlere rağmen, uyum başına eğitim süreleri de daha kısaydı. Bununla birlikte, eşleştirilmiş bütçeli rastgele arama özellik ağırlıklandırması, her iki sınıflandırıcı için de SHAP tarafından bilgilendirilen CMA-ES'den sayısal olarak daha yüksek ortalama F1 puanları elde etti. SHAP ve LIME, veri bölme ve eşleyici yürütme sürelerini etkili iş yükü göstergeleri olarak belirledi. Bulgular, değerlendirilen Hadoop ortamında geriye dönük, süre tanımlı görev durumu için sınıflandırma ve açıklama yöntemlerinin karşılaştırmalı analizini desteklemektedir.
Large-scale healthcare analytics infrastructures must process heterogeneous workloads while maintaining reliable and transparent performance. This study presents an explainable framework for retrospective classification of duration-defined infrastructure-level workload status using extreme gradient boosting (XGBoost) and support vector machine (SVM) classifiers, together with Local Interpretable Model-agnostic Explanations (LIME), SHapley Additive exPlanations (SHAP), partial dependence plots (PDP), and the Covariance Matrix Adaptation Evolution Strategy (CMA-ES). The framework was evaluated using National Early Warning Score (NEWS) workloads processed at four scales on a Hadoop cluster. The Hadoop environment was used for workload execution and infrastructure-metric collection, while model development and evaluation were performed on a local workstation. The modelling dataset contains 24,000 task-level profiles derived from SmartMonit monitoring records collected during Hadoop execution. The framework combines classifier development with SHAP-informed CMA-ES feature-weight optimisation. The complete optimisation pipeline achieved higher reported classification scores than the baseline configurations. Per-fit training times were also shorter, although these measurements exclude the costs of model selection and optimisation. Matched-budget random-search feature weighting nevertheless achieved numerically higher mean F1-scores than SHAP-informed CMA-ES for both classifiers. SHAP and LIME identified data-splitting and mapper-execution times as influential workload indicators. The findings support a comparative analysis of classification and explanation methods for retrospective, duration-defined task status within the evaluated Hadoop environment.