1. Nauka
    2. /
  2. Kursy
    3. /
  3. Projektowanie przepływów pracy uczenia maszynowego w Pythonie
Connected

ćwiczenie

Zamiana heurystyki w klasyfikator

Odkrycie, że heurystyki mogą być tak użyteczne, jest zaskakujące. Postanawiasz zatem potraktować heurystykę „zbyt wiele unikalnych portów wzbudza podejrzenie" jako samodzielny klasyfikator. W tym celu wyznaczysz próg na podstawie średniej liczby unikalnych portów używanych przez złe komputery źródłowe – czyli takie, dla których etykieta wynosi True. Zbiór danych jest już wczytany i podzielony na dane treningowe i testowe, więc w pamięci masz obiekty X_train, X_test, y_train i y_test. Dostępne importy obejmują accuracy_score() oraz numpy jako np. Pamiętaj: w tym ćwiczeniu nie korzystasz z gotowego klasyfikatora scikit-learn – zamiast tego jawnie definiujesz własną regułę klasyfikacji!

Instrukcje

100 XP
  • Wybierz z X_train wszystkie złe hosty i zapisz je jako nowy zbiór danych X_train_bad. Zwróć uwagę, że y_train jest tablicą wartości logicznych (Boolean).
  • Oblicz średnią kolumny unique_ports dla złych hostów i zapisz wynik w zmiennej avg_bad_ports.
  • Zdefiniuj klasyfikator, który przewiduje klasę pozytywną dla każdego przykładu, którego wartość unique_ports przekracza avg_bad_ports. Zapisz predykcje tego klasyfikatora dla danych testowych w nowej zmiennej pred_port.
  • Oblicz dokładność tego klasyfikatora na danych testowych, używając accuracy_score().