本发明公开了一种基于机器学习的云服务平台负载策略推荐方法。本发明采用机器学习方法进行参数推荐以及分类识别，可以集成在以Kubernetes为代表的容器编排系统上，通收集集群上负载的历史数据，使用带标签的不同类别负载的特征数据，进行识别模型的构建；完成训练后，持续监控集群，每当集群上有新的负载到达时，识别负载并进行参数推荐；参数推荐的过程通过贝叶斯优化进行，为集群上部署的应用推荐最佳的参数配置。相比于传统的Kubernetes自身的优化方法，本发明构建起完整的优化逻辑链条，更高效且更具持续性；完成优化迭代过程后，再将类型标签和相应的最佳推荐共同记录到推荐知识库，在后续工作中，进行更新或快速推荐。