-
基于gcForest算法的惡意URL檢測
摘要:惡意URL(Malicious URLs)是網(wǎng)絡犯罪的重要途徑,因此對惡意URL實施有效檢測是保障網(wǎng)絡安全的前提和關鍵。近年來,機器學習的迅猛發(fā)展為惡意URL檢測提供了新的思路。鑒于此,在研究惡意URL以及對機器學習算法實驗的基礎上,得出基于gcForest算法的機器學習模型能夠實現(xiàn)對惡意URL的精確分類檢測,其精確度達到99.53%,遠高于k近鄰分類算法(k-NearestNeighbor)和隨機森林算法(RandomForest)等其他傳統(tǒng)算法模型,具有較好的檢測效果。
-
機器學習的特征工程是什么?3個機器學習監(jiān)督學習方法介紹!
以下內(nèi)容中，小編將對機器學習的相關內(nèi)容進行著重介紹和闡述，希望本文能幫您增進對機器學習的了解，和小編一起來看看吧。
-
個人 O2O 優(yōu)惠券預測分析
摘 要 ：為了建立更加完善的特征體系和優(yōu)化預測模型，提出優(yōu)化特征工程體系，增加特征值數(shù)量，并改進傳統(tǒng)邏輯回歸預測模型，使用 GBDT+ 邏輯回歸的組合模型及 XGBoost+ 邏輯回歸的組合模型達到提高預測精度、提升模型預測能力的目的。實驗結果證明，通過優(yōu)化特征工程體系和改進預測模型解決 O2O 優(yōu)惠券發(fā)放這種預測方式可以更準確地預測消費者的消費行為，為優(yōu)惠券的個性化投放提供可靠的決策支持。
