- 博客(6)
- 收藏
- 关注
RSS订阅
原创 双重代价敏感随机森林算法附Python代码
参考文献 Cost-sensitive feature selection using random forest: Selecting low-cost subsets of informative features 2016 《Knowledge-Based Systems》 算法改进 相比于上一章节分享的代价敏感随机森林而言，这次引入了特征选择和序贯分析。 参考文献的特征选择算法只...
2020-04-19 15:26:50
2255
7
原创 代价敏感随机森林Python附代码
代价敏感随机森林Python 本文介绍了代价敏感随机森林，并附上代码 流程 1.根据训练数据创建决策树，组建随机森林 2.用创建好的随机森林跑一遍训练数据，统计每一棵树针对每一条数据的FP，FN 3.计算每一棵树的AC值，从小到大排序，选取前100（一开始创建了115棵）棵决策树重新组建成随机森林 备注 1.代价矩阵中的C01和C10可以根据实验目的的不同自行调整 2.数据格式：特征1,特征2.特...
2019-11-01 10:34:59
7003
2
原创 关于代价敏感随机森林的总结
一.摘要 1.降低分类器复杂度，提高少数类识别率，提出代价敏感随机森林 2.随机森林为框架，Bagging平衡数据，在基分类器属性分裂度量以及评价函数中引入误分类和测试双重代价 3.在少数类识别上，比RF，敏误分类RF有更大的优势 二.背景 1.针对不平衡分类问题，有人提出了平衡随机森林（Bagging阶段采用欠取样方法平衡数据）和权重随机森林（构建决策树的过程引入权重因素） 三.代价敏感学习 1...
2019-10-19 10:25:21
2541
原创 Python的scapy库的学习笔记
为了加入防火墙的功能，这两天学习了下scapy库的使用，下面是一些我的总结笔记 1.包的导入代码：from scapy.all import * 2.功能两块： 一.发包：代码格式：1）构造数据包：pkt= IP()/TCP()/data (口号里可以传入各层协议的字段参数等) 2）发送：send() 参数列表： 1）pkt:要发送的数据包 2）inter：间隔时间 3）count：发送数量 ...
2019-10-10 19:05:58
1306
原创 Network Traffic Classification Using Correlation Information（基于关联信息的网络流分类）总结
一.摘要： 1）NN（最邻近）方法优点（优点：无需训练过程，不存在参数过拟合。缺点：所需数据量大） 2）提出一种新的非参数化的流分类方法 3）通过将相关信息加入到分类过程中，提高性能 4）在极少的训练样本情况下也能显著改善业务分类性能 二.背景： 1.基于流的统计特征流分类问题尚未得到解决 2.NN更适合于当前复杂网络环境下的流量分类 3.本文贡献： 1）提出一种非参数方法，结合流量的相关性，以改...
2019-10-10 09:45:27
671
1
原创 C/S通信Python版
近来天天看论文看的头疼，想着敲敲代码缓解下，顺便练练python，于是写了下面这个程序 主要功能：1.多C端与S端多线程通信 2.C端之间互相通信（通过S端转发） 3.对C端通信加入了敏感词过滤（DFA算法（中文敏感词过滤）+贝叶斯（英文敏感词过滤）） 计划加入功能：1.RSA加密算法 2.在服务器端假设防火墙，可以对数据包做操作（libnids那一套） 3.加入群聊功能 4.图形界面 C端代码 ...
2019-10-09 10:15:49
536
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人