不正なのは送信元か、それとも宛先か？
前のレッスンでは、注目するエンティティとして「宛先」のコンピュータを使いました。しかし、サイバーセキュリティのアナリストから、悪性トラフィックを発生させるのは感染したマシンであり、flows データセットでは宛先ではなく「送信元」として現れると聞きました。
データ flows はすでに読み込まれており、感染したIDのリスト bad と、前のレッスンで使った特徴量抽出器 featurizer() も用意されています。さらに、numpy は np として、AdaBoostClassifier() と cross_val_score() も利用できます。
この演習はコースの一部です
Python で設計する Machine Learning ワークフロー
演習の手順
flowsデータセットを送信元コンピュータIDでグループ化し、各グループに特徴量抽出器を適用して、各行がsource_computerの特徴ベクトルとなるデータフレームを作成します。- イテレーターに対して
list()を呼び出し、データフレームに変換します。 - 与えられた不正IDリストに各
source_computerのIDが含まれるかどうかを確認して、ラベルを作成します。 cross_val_score()を使って、このデータに対するAdaBoostClassifier()の性能を評価します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Group by source computer, and apply the feature extractor
out = flows.____('source_computer').____(featurize)
# Convert the iterator to a dataframe by calling list on it
X = pd.DataFrame(____, index=____)
# Check which sources in X.index are bad to create labels
y = [x in bads for x in ____]
# Report the average accuracy of Adaboost over 3-fold CV
print(np.mean(____(____, X, y)))