27、高级分析、机器学习与工业网络安全综合指南

高级分析、机器学习与工业网络安全综合指南

1. 高级分析与机器学习实践

在机器学习的实践中，我们首先会遇到训练作业的相关内容。训练作业的名称会被打印输出，例如：

Training job name: modbus-current-randomforest-2022-10-10--2022-10-10-07-13-57-548

训练作业存储在特定环境中，我们可以通过运行命令打印最新的训练作业名称。在相关控制台中，能够查看作业及相关信息。

当训练作业完成后，就可以在 Jupyter 笔记本中测试模型了。在测试前，需要创建一个推理端点，具体操作步骤如下：

import time
from time import gmtime, strftime
endpoint_name = f"modbus-current-randomforest-{strftime('%Y-%m-%d-%H-%M', gmtime())}"
rcf_inference = rcf.deploy(initial_instance_count=1, instance_type="ml.m4.xlarge", endpoint_name = endpoint_name)

端点将模型部署到一个实例上，外部用户和代码可以访问该实例。实例大小很重要，因为这涉及到运行成本。如果关注成本，较小的实例可能更合适，但如果模型复杂，性能可能会受到很大影响。

为了与端点交互，需要定义数据格式，让端点能