1.边缘网络环境下基于XGBoost算法的VOD业务缓存优化方法，其特征在于：包括如下步骤：S1：采集视频数据；

S2：以平均访问量为预测目标，用XGBoost算法进行回归建模获得预测模型；

S3：利用预测模型对平均访问量进行预测；

S4：根据预测结果建立缓存优化模型；

S5：使用背包算法求解优化模型，得到最终缓存方案。

2.根据权利要求1所述的边缘网络环境下基于XGBoost算法的VOD业务缓存优化方法，其特征在于：所述步骤S2中预测模型的获取具体为：以平均访问量作为因变量，其余特征作为自变量进行回归训练，且进行数据集的划分，输出各个特征值的重要性排名，根据排名对特征进行删选得到最终建模特征值，根据建模特征值建模形成预测模型。

3.根据权利要求2所述的边缘网络环境下基于XGBoost算法的VOD业务缓存优化方法，其特征在于：所述根据建模特征值建模形成预测模型中使用组合调参方式进行参数调整，得到输出平方误差最小的模型，即为最终模型。

4.根据权利要求1所述的边缘网络环境下基于XGBoost算法的VOD业务缓存优化方法，其特征在于：所述步骤S4中缓存优化模型的建立具体为：设定边缘服务器的缓存空间大小为S，视频体积集合为V＝{v1,v2,…,vK}，视频访问量集合为PV＝{pv1,pv2,…,pvK}，其中K为视频总数，由此得到如下缓存优化模型：其中 为视频的最佳缓存选择方案，ak＝0表示视频k不需要进行缓存，ak＝1表示视频k需要进行缓存；式子 有两种可能性，当ak＝0时，该式为0，无实际意义，当ak＝1时，表示视频k的访问量与视频k体积的比值，该值是为了权衡访问量和视频体积，所以定义式子 表示视频k的缓存性价比；约束条件 表示缓存视频的体积总和应小于边缘服务器的缓存空间。

5.根据权利要求4所述的边缘网络环境下基于XGBoost算法的VOD业务缓存优化方法，其特征在于：所述步骤S5中优化模型的求解过程具体为：令c(i,j)为当前边缘服务器剩余容量为j时，前i部视频的最佳缓存方式对应的性价比之和，即得到如下递推关系式：

式(3)的第二个式子说明如下：当边缘服务器的剩余容量对于当前要进行缓存的第i部视频来说容量充足时，第i部视频并不一定是最佳缓存选择视频，因此会出现两种情况，第一种情况是第i部视频不是最佳选择，即第i部视频没有缓存，ai＝0，这种情况下有：c(i,j)＝c(i-1,j)                     (4)第二种情况是第i部视频是最佳选择，即第i部视频需要被缓存，ai＝1，即：式(5)中，vi是第i部视频的体积，c(i,j-vi)是处理第i部视频之前，由前面的决策得到的最佳性价比之和，在此基础上加上第i部视频的性价比，即为缓存第i部视频之后总的性价比；

比较上述两种情况得到的性价比大小，取最大值即为边缘服务器的剩余容量对于当前要进行缓存的第i部视频来说容量充足的情况下得到的性价比之和，最终得到最佳缓存方案