Xizmat ko’rsatishni rad etish

Yo'q.	metadata paket		Yo'q.
metadata paket
bitta	out_ads	IP chiqish	o'n bir	pkt_in	nazorat summasi kiruvchi
2	reklamalar ichida	kiruvchi IP	12	pkt_out	nazorat summasi chiquvchi
3	out_mac	chiquvchi Mac	13	pkt_delay_tugun	farq nazorat summasi
4	in_mac	kiruvchi MAC	o'n to'rt	bayt_rate	baytlar soni menga bir soniya bering
besh	pkt_type	turi paket	15	pkt_rate	raqam paketlar ichida menga bir soniya bering
6	pkt_size	paket hajmi	16	avg_size	o'rtacha hajmi paketlar
7	FID	identifikator ramka formati	17	pkt_t_send	vaqt Uchib ketish vaqt taxtasi paket
8	sqn_raqami	tartibli xona paket	o'n sakkiz	pkt_t_rsd	qabul qilish vaqti paket
to'qqiz	num_pkt	raqam paketlar	19	birinchi	vaqt Uchib ketish vaqt taxtasi birinchi paket
10	bayt_raqam	baytlar soni	yigirma	oxirgi	vaqt Uchib ketish vaqt taxtasi oxirgi paket

2. Dasturiy ta'minot asboblar uchun tahlil qabul qildi ma'lumotlar

Uchun trening Va tahlil ma'lumotlar ishlatilgan python kutubxonalari: o'rganing [169], pandalar, nopok [170], lightgbm [173] Va matplotlib [171] (jadval

besh).
stol 3.3. Ishlatilgan dasturiy ta'minot ob'ektlar uchun tahlil ma'lumotlar

Modul	Ilova ichida ish
pandalar	Asosiy davolash ma'lumotlar, Ish dan etiketlangan ma'lumotlar, shakllanishi ma'lumotlar ramkalari.

o'rganing	Xususiyatlarni tanlash , amalga oshirish algoritmlar tasnifi
yorug'likGBM	Gradient modelini yaratish oshirish ustida hal qiluvchi daraxtlar
nopok	Ishlash mayor operatsiyalar yuqorida n-massivlar va matritsalar.
matplotlib	vizualizatsiya qilish , shakllanishi grafikalar Va diagrammalar

Ma'lumki, 2017 yilda Microsoft jamoasi taqdimot qilgan dasturiy ta'minot kutubxona algoritm mashina o'rganish, foydalanish gradient oshirish - LightGBM. Bu rivojlanish ko'rsatdi afzallik ichida tezlik ish, yoqilgan solishtirish dan raqobatchilar dan teng berilgan aniqlik [172]. Natijada, LightGBM kutubxonasi tarmoqni tasniflash muammosida qo'llash uchun optimal vosita tirbandlik [181].

Pandalar kutubxonasi massiv yozuvlari bir xil bo'lishini talab qilmaydi bir xil turdagi, shuning uchun har bir ustun boshqa turga ega bo'lishi mumkin (butun sonlar, suzuvchi nuqta raqamlari, satrlar va boshqalar). Kutubxonaning yana bir afzalligi Pandalar - turli xil ma'lumotlar bazasi formatlari bilan ishlash qobiliyati va fayllar, CSV dan oldin SQL [126].
Uchun vizualizatsiya ma'lumotlar Va qabul qilish qo'shimcha foydali ma `lumot uchun tahlil ishlatilgan kutubxona matplotlib, qaysi hisoblanadi Asosiy kutubxona uchun yaratish grafikalar Va diagrammalar ichida Python Va vizualizatsiya yaratish funktsiyalarini o'z ichiga oladi (chiziqli diagrammalar, gistogrammalar shunday Batafsil).

3. Bosqich o'rganish

Ustida berilgan bosqich davom etayapdi shakllanishi ta'lim berish Va sinov namunalar. bo'linish ustida namunalar ishlab chiqarilgan dan foydalanish funktsiyalari

train_test_split [174]. Old bo'linish to'plam ma'lumotlar edi aralashgan dan psevdo-tasodifiy sonlar generatori yordamida [175]. uchun yaratilgan faqat bitta sinfga tegishli misollarni tanlamaslik uchun (misol uchun, agar biz olaylik yaqinda o'ttiz% nusxalari ichida sifat sinov o'rnatilgan bo'lsa, ularning barchasi bir xil yorliqga ega bo'ladi, chunki tartiblash faqat ular uchun). Faqat bittasini o'z ichiga olgan test to'plamidan foydalanish sinf, umumlashtirish qobiliyatini ob'ektiv baholash imkoniyatini bermaydi modellar tasnifi. Xulosa funktsiyalari train_test_split bor quyidagi NumPy massivlari: X_train (satrlarning 70%), X_test (satrlarning 30%), y_train, y_test[156].
Shuni ta'kidlash kerakki, parametr qiymatlarini sanab o'tish va testda maksimal aniqlikni ta'minlaydigan kombinatsiyalarni tanlash o'rnatish ma'lumotlar. Bu, ichida mening burilish, emas anglatadi nima ustida yangi ma'lumotlar aniqlik bo'ladi o'xshash. Agar sinov to'plam edi qo'llaniladi uchun parametr sozlamalari, keyin model sifatini baholash uchun uni ishlatish emas mumkin ko‘rinadi [176]. Xuddi shu sababga ko'ra, ma'lumotlar bo'linadi tarbiyaviy va sinov namunalar (rasm 3.1) [156].

3.1-rasm. Ma'lumotlar to'plamini o'quv va test to'plamlariga bo'lish [156]

Model sifatini baholash uchun yaxshi amaliyot uchun ilgari ishlatilmagan mustaqil ma'lumotlar to'plamini olish sozlamalar parametrlari modellar [177]. Uchun yechimlar bu vazifalar ma'lumotlar mumkin
bolmoq buzilgan ustida namunalar hali bir marta Va, shunday yo'l shakllangan uch namunalar:

1. 
   tarbiyaviy - uchun bino modellar tasniflash;
   
2. 
   tasdiqlash - uchun ta'riflar optimal parametrlari modellar;
   
3. 
   sinov - uchun taxminlar sifat ish tanlangan parametrlari.
   

Keyin ta'riflar eng zo'r parametrlari modellar dan foydalanish tasdiqlash namunalar model qurilish ishlari olib borilmoqda yana, lekin allaqachon ustida asos birlashtirilgan ta'lim va tasdiqlash namunalari. Shunday qilib, uchun bino modellar tasnifi ishlatilgan maksimal mumkin ma'lumotlar miqdori [156].

4.