主页 / 2016阿里安全峰会 / 机器学习在恶意样本检测方面的实践之路
  • 作者
    李薛 东巽科技(北京)有限公司
  • 简介

    他描述了机器学习在恶意样本检测方面,如何一步一步从零走过来,如何在问题面前做选择,如何逐步改进,如何跨坑,如何落地,还有需要重点考虑和注意的要点,以及在迭代改进的研究工作流程。 - 初识机器 - 来自恶意样本的挑战 - 判定规则,之外还有什么? - 我们目前的成果 - 对机器学习的粗浅认识 - 两个学科的结合 - 机器学习的经典流程:训练和预测 - 怎么落地?

    • 02 入门级简单实践

      • 输入数据
      • 特征抽取
      • 机器学习算法的选取
      • WEKA
      • 评价和衡量算法优劣
      • 简单实践的结果
    • 03 工程化的那些坑

      • 算法模型调优
      • 尝试引入新的特征向量
      • 欠拟合和过拟合现象
      • 交叉验证
      • 不平衡数据集问题
      • 这才刚刚开始
      • SciKit-Learn
      • 聚类在样本判别业务中的应用
      • 还有很多工作需要落地
      • 提出一个好问题
  • 援引
    https://yq.aliyun.com/articles/57701
  • 提示
    本站仅做资料的整理和索引,转载引用请注明出处
附件下载
  • 机器学习在恶意样本检测方面的实践之路.李薛.pdf
    时间: 大小: 2.2 M 下载: 70