绘制的图表如下：

我们所绘制的图表越多，我们对数据的懂得也越深，对数据的┞符体分布情况懂得也越深。今朝我们手上的数据集维度很低，那么问题来了，如不雅我们的数据集是高维度的，我们该若何处理?有很多技巧可以降低数据集的维度，使“重要”特点更为凸起。比如PCA和t-SNE算法可以将数据集绘制成三维甚至二维图像。

前面我们已经做了足够多的统计工作，但在机械进修方面我们只做了一部分工作，如收集数据、清理及预备练习数据。在开端机械进修前，我们先要完成以下工作。

1、起首，我们须要将两部分数据集(Dataset)并为一个数据框(DataFrame)。

2、其次，我们须要数据框分为两部分，第一部分用于练习，第二部分用于测试。

3、接下来，我们将应用几个机械进修算法，看一下结不雅若何。

(一)数据集预备

import pandas as pd 
dataset = pd.read_csv('malware-dataset.csv') 
""" 
Add this points dataset holds our data 
Great let's split it into train/test and fix a random seed to keep our predictions constant 
""" 
import numpy as np 
from sklearn.model_selection import train_test_split 
from sklearn.metrics import confusion_matrix 
#let's import 4 algorithms we would like to test 
#neural networks 
from sklearn.preprocessing import StandardScaler 
from sklearn.neural_network import MLPClassifier 
#random forests 
from sklearn.ensemble import RandomForestClassifier 
""" 
Let's prepare our data 
""" 
state = np.random.randint(100) 
X = dataset.drop('clean',axis = 1) 
y = dataset['clean'] 
X = np.asarray(X) 
y = np.asarray(y) 
X = X[:,1:] 
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size = 0.1,random_state=0) 

如今我们手上有了4个大年夜型矩阵，个中X_train和y_train将用于练习不合的分类器，X_test用于标签猜测，y_test用于指标衡量。事实上，我们将比较X_test和y_test的猜测值，以便分析算法的具体实现。

(二)算法选择

起首来看看“Random Forests”(随机丛林)算法，该算法是“决定计划树”(Decision Trees)算法的一种集成算法，核心思惟是在练习时代内创建大年夜量分类决定计划树，输出的分类即为样本分类的基本模型。随机丛林算法在解决二进制文件分类问题上异常有效。

#let's start with random forests 	
			
 4/6   首页 上一页 2 3 4 5 6 下一页 尾页
	
			

　　推荐阅读
　　Python一行代码完成并行任务
            
            众所周知，Python的并行处理才能很不睬想。我认为如不雅不推敲线程和GIL的标准参数(它们大年夜多是合法的)，其原因不是因为技巧不到位，而是我们的应用办法不恰当。大年夜多半关于Python线>>>详细阅读


本文标题：机器学习在恶意软件检测中的应用
地址：http://www.17bianji.com/lsqh/34783.html
 1/2    1