machine-learning - 如何识别数据集上的变量目标以通过机器学习进行预测

标签 machine-learning decision-tree

我正在开发一个项目,使用决策树从日志中预测攻击。

问题是在规范化日志文件之后,我不知道如何识别输出类,以便将从决策树获得的结果与真实结果进行比较。

说实话我不知道如何识别真正的类。

我需要关联才能识别该类吗?

感谢您的帮助

最佳答案

你的问题不清楚。如果您可以共享您想要的日志或结果数据集,那就太好了。

但是,您可以检查您是否遵循分类或回归。它们之间的主要区别在于回归中的输出变量是数字(或连续),而分类中的输出变量是分类(或离散)。

因此,请检查完整描述上述内容的列(分类或回归)

关于machine-learning - 如何识别数据集上的变量目标以通过机器学习进行预测,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59887606/

相关文章:

python - Keras 3d 张量的前 k 个分类精度问题

python - 使用opencv python从视频检测图像时如何忽略背景?

parameters - Rapidminer:解释决策树参数

scikit-learn - 是否可以在 Scikit-learn 中使用自定义的决策树分类器?

python-3.x - 使用 class_names 使用 graphviz 的树节点的颜色

python - 如何找出 sklearn 决策树的大小?

machine-learning - CountVectorizer 如何处理测试数据中的新词?

r - R 中一百万个观测值的 Kmeans - 绘制集群时遇到的问题

machine-learning - 准确度随训练数据大小的变化而波动

machine-learning - 决策树的深度取决于什么?