Источник или получатель — кто виноват?
В предыдущем уроке вы использовали компьютер-получатель как основной объект анализа. Однако аналитик по кибербезопасности сообщил вам, что именно заражённые машины генерируют вредоносный трафик и поэтому будут выступать в наборе данных flows как источник, а не как получатель.
Набор данных flows уже загружен, как и список bad заражённых идентификаторов и экстрактор признаков featurizer() из предыдущего урока. Вам также доступны numpy как np, AdaBoostClassifier() и cross_val_score().
Это упражнение является частью курса
Проектирование рабочих процессов машинного обучения на Python
Инструкции к упражнению
- Создайте датафрейм, в котором каждая строка является вектором признаков для
source_computer. Сгруппируйте данные в набореflowsпо идентификатору компьютера-источника и примените экстрактор признаков к каждой группе. - Преобразуйте итератор в датафрейм, вызвав на нём функцию
list(). - Создайте метки, проверив, входит ли каждый идентификатор
source_computerв список заражённых. - Оцените качество
AdaBoostClassifier()на этих данных с помощьюcross_val_score().
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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)))