【文件属性】：
文件名称：机器学习-检测webshell
文件大小：450KB
文件格式：PDF
更新时间：2021-08-07 10:59:51
111111111111
基于决策树的webshell检测，k-近邻算法是基于实例的学习，使用算法时我们必须有接近实际数据
的训练样本数据，k-近邻算法必须报错全部数据集，如果训练数据集的很大
必须使用大量的存储空间，此外，由于必须对数据集中的每个数据计算距离，
实际使用可能非常耗时
k-近邻算法的另一个缺陷时它无法给出任何数据的基础结构信息，因此我们也无法知晓
平均实例样本和典型实例样本具有什么特征。
决策树也是最经常使用的数据挖掘算法
决策树的优势在于数据形式非常容易理解
决策树的一个重要任务时为了数据中所蕴含的知识信息，因此决策树可以使用不熟悉的
数据集合，并从中提取出一系列规则
决策树
优点：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感
可以处理不相关特征数据
缺点：可能会产生过度匹配的问题。
适用数据类型：数值型和标称型。
我们必须采用量化的方法判断如何划分数据。
在划分数据集之前之后信息发生的变化称为信息增益，知道如何计算信息增益
我们就可以计算每个特征值划分数据集获得的信息增益，获得信息增益最高的特征
就是最好的选择。
如何计算信息增益，集合信息的度量方式，集合信息的度量方式称为香农熵。或熵。