1.一種銀行后臺運維系統的故障預測方法，其特征在于，包括以下步驟：

獲取銀行數據樣本，并從所述銀行數據樣本中提取初始特征數據；

對所述初始特征數據進行降維以得到最終特征數據；

利用隨機森林方法對所述最終特征數據進行分類學習，以便根據分類結果對所述銀行后臺運維系統進行故障預測；

當預測到所述銀行后臺運維系統將要發生故障時，根據所述最終特征數據調整所述銀行后臺運維系統的參數以避免所述銀行后臺運維系統發生故障或降低所述銀行后臺運維系統的故障發生概率。

2.根據權利要求1所述的銀行后臺運維系統的故障預測方法，其特征在于，所述銀行數據樣本包括：超時故障數據、數據庫運行數據、網絡運行數據、硬盤運行數據和CPU運行數據。

3.根據權利要求2所述的銀行后臺運維系統的故障預測方法，其特征在于，所述獲取銀行數據樣本，并從所述銀行數據樣本中提取初始特征數據，具體包括：

對所述銀行數據樣本進行去重、刪冗、時間離散化對齊以及數據標注，以提取初始特征數據。

4.根據權利要求1所述的銀行后臺運維系統的故障預測方法，其特征在于，通過逐步向前特征選擇法對所述初始特征數據進行降維以得到最終特征數據。

5.根據權利要求1所述的銀行后臺運維系統的故障預測方法，其特征在于，根據所述最終特征數據調整所述銀行后臺運維系統的參數以避免所述銀行后臺運維系統發生故障或降低所述銀行后臺運維系統的故障發生概率，進一步包括：

對所述最終特征數據的每個維度進行標注以將所述最終特征數據分為可控數據和不可控數據；

調整所述可控數據的參數以避免所述銀行后臺運維系統發生故障或降低所述銀行后臺運維系統的故障發生概率。

6.一種銀行后臺運維系統的故障預測系統，其特征在于，包括：

數據預處理模塊，用于獲取銀行數據樣本，并從所述銀行數據樣本中提取初始特征數據；

特征降維模塊，用于對所述初始特征數據進行降維以得到最終特征數據；

故障預測模塊，用于通過隨機森林方法對所述最終特征數據進行分類學習，以便根據分類結果對所述銀行后臺運維系統進行故障預測；

故障防范模塊，用于在所述故障預測模塊預測到所述銀行后臺運維系統將要發生故障時，根據所述最終特征數據調整所述銀行后臺運維系統的參數以避免所述銀行后臺運維系統發生故障或降低所述銀行后臺運維系統的故障發生概率。

7.根據權利要求6所述的銀行后臺運維系統的故障預測系統，其特征在于，所述銀行數據樣本包括：超時故障數據、數據庫運行數據、網絡運行數據、硬盤運行數據和CPU運行數據。

8.根據權利要求7所述的銀行后臺運維系統的故障預測系統，其特征在于，所述數據預處理模塊用于對所述銀行數據樣本進行去重、刪冗、時間離散化對齊以及數據標注，以提取初始特征數據。

9.根據權利要求6所述的銀行后臺運維系統故障預測系統，其特征在于，所述特征降維模塊通過逐步向前特征選擇法對所述初始特征數據進行降維以得到最終特征數據。

10.根據權利要求6所述的銀行后臺運維系統的故障預測系統，其特征在于，所述故障防范模塊用于對所述最終特征數據的每個維度進行標注以將所述最終特征數據分為可控數據和不可控數據，并調整所述可控數據的參數以避免所述銀行后臺系統發生故障或降低所述銀行后臺運維系統的故障發生概率。