基于決策樹的網絡連接類型預測

摘要：針對一個從模擬局域網中獲取的數據集，設計并實現了一種基于決策樹的連接類型預測工具；在一般決策樹歸納算法的基礎上，根據訓練數據集的統計特征進行了預處理、改進和優化；對訓練所得分類模型的準確率進行了評估，并通過實驗考察了訓練數據集大小和屬性選擇度量對結果的影響；也考慮了輸入的測試數據存在的一些異常情況及解決辦法。

關鍵詞：決策樹；分類；增益；入侵檢測

引言

分類(data classmcaIion)是數據挖掘中對大量數據進行分析的一種常用手段。數據分類分兩步：第一步，建立模型，描述預定的數據類集或概念集；第二步，使用模型進行分類。

數據分類中的基本技術包括決策樹歸納、貝葉斯分類和貝葉斯網絡、神經網絡等，其他分類方法還有k一最臨近分類、基于案例的推理、遺傳算法、粗糙集和模糊邏輯技術等。對分類方法進行比較和評估的標準有預測的準確率、速度、強壯性、可伸縮性和可解釋性等。