24、机器学习特定学习方法详解

机器学习特定学习方法详解

1. 监督学习方法

监督学习方法需要从已知或有标签的数据开始。以恶意软件检测为例，若没有来自已知感染系统和已知正常系统的数据，就无法应用监督学习方法。不过，监督学习的强大功能或许会让前期的数据准备工作物有所值。以下是几种常见的监督学习方法：

1.1 线性回归（及数据转换）

线性回归在定量预测和对自变量进行推断方面非常流行。它起源于 19 世纪后期，如今已发展成为一种强大且灵活的方法。线性回归的一个重要特点是，它可以用于处理并非线性的数据。例如，通过对数据进行转换，就可以使用线性模型来描述非线性数据。但在转换变量时，要注意避免过拟合数据。

在 R 语言中，可以使用 lm() 和 glm() 命令来执行线性回归。经典的线性回归依赖于计算 p 值来评估模型和变量的强度，近年来也开始整合交叉验证等验证方法来支持模型选择和验证。

1.2 逻辑回归

线性回归适用于预测定量变量，但当问题不是定量问题时，它就不太有用了。例如，要将主机分类为是否感染，线性回归就派不上用场。这时可以使用逻辑回归，它是线性回归的扩展，用于建模二分类输出（是或否）。

在 R 语言中， glm() 函数可以处理大多数逻辑回归的情况。逻辑回归在进行分类时，无论如何设置阈值，都会不可避免地出现假阳性和假阴性的情况。

1.3 K - 近邻算法

K - 近邻算法可以用一个体育类比来描述。假设要随机选择一个人并预测其喜欢的运动队，可以询问其 k 个邻居和朋友支持的队伍，然后根据大多数邻居