分类不平衡协议流的机器学习算法评估与比较

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：网络协议流不平衡环境下，流样本分布的变化对基于机器学习的流量分类器准确性及稳定性有较大的影响．选择合适的机器学习算法以适应网络协议流不平衡环境下的在线流量分类，显得格外重要．为此，首先通过单因子实验设计，验证了C4．5决策树、贝叶斯核估计mBK）和支持向量机（SVM）这3种分类算法统计TCP连接开始的前4个数据包足以分类流量．接着，比较了上述3种分类算法的性能，发现C4．5决策树的测试时间最短，SVM分类算法最稳定．然后，将Bagging算法应用到流量分类中．实验结果表明，Bagging分类算法的稳定性与SVM相似，且测试时间与建模时间接近于C4．5决策树闺此更适于在线分类流量．

原文链接:http://www.cqvip.com/QK/96857X/201206/41961098.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：机器学习算法 学习算法 机器学习 不平衡 bagging 不平衡 特征选择 流量分类 集成学习 单因子实验