机器学习翻译

1、机器学习翻译目前，基于机器学习的分类方式已经受到很多研究者的注意 并且已经有了许多相关工作567、W订liams等人4研究并且 比较了 4中机器学习算法的性能。结果证明，就计算性能和分类 精度方面，对不同算法区别使用是非常有用的。他们对这四种特 殊应用仍表示担忧。不同的是，我们集中于应用的种类而不是特 殊的应用。原因如下两个：a) 一个特殊的协议可能描述了一个不 受这个协议绑定的应用的实现；b)在一个应用实现的特殊细节方 面，有许多改变。因此，对不同的实现和应用的协议行为方面， 存在着相当的变化。因此我们集中于流量的种类而不是特殊的应 用。Lim等人7,利用32个不同的数据集对33种算法进行了

2、深 度的研究。他们发现，具有相似分类精度的算法具有不同的训练 性能。Li和Canini5 学习了基于网络的应用的分类算法的有效性。然后，四 类应用识别方式，基于端口号的，深度包检测的，贝叶斯网络的 和C4、5决策树被深入的学习。本文中，我们认为网络应用被分 成几个特殊的种类，例如内部，服务，多媒体和QoS要求的大型 数据。基于相同的数据源和所选择的特征，我们努力从已经存在 的机器学习算法中，找到最好的，并且为将来的智能分类系统构 建核心分类模型。A机器学习算法机器学习技术为基于独立统 计特征像包长度和包到达时间间隔的流，提供了理想的可选择的 分类方式。对IP流量分类的情况，基于是否需要人工参与

3、，机器 学习算法可以分为2类：有监督的和不被监督的。下述简单的描 述了几类机器学习算法的基本原理。朴素贝叶斯算法是基于贝叶 斯原理的分类算法9、它计算并且分析了每个属性与样本类之间的关系。从 计算结果来看，它能得多一个属性和这个类的条件概率，这也是 朴素贝叶斯分类器的特征的先验知识。在分类过程中，分类器必 须，通过将未知样本实例的实际值先验知识结合起来，将未知样 本实例作为一个类来估测其概率。重要的是，分类器必须估测具 有确定值的特征的概率。连续的特征具有大量甚至无穷多的值， 因此，从频率分布上不能评测出概率。对这个问题，现在有两个 解决方案：通过用合适的连续概率分布或者通过离散技术。因为 离

4、散技术，将连续特征转换成离散的，并且不要钱有离散模型， 因此离散方式是比较好的。决策树是一个重要的并且有效的机器学习方式。它构建了一 个基于树结构的分类模型9,10、在决策树模型中，一个节点代 表一个确定的特征，并且一个分支代表在这层上划分到这个实例 样本的相关条件阈值。一个叶子表示一个类，它通过贯穿一系列 的节点和分支而结束。如果样本贯穿于从根节点到特殊的叶子节 点，则叶子节点的类就是这个样本的类。最近临界值法在1968 年，Cover和血rt提出了最近临界值法。在模式识别领域，它是 一个基本的，简单的机器学习分类算法。假设有一个分类问题， 包括cl, c2,、，cm类，每个类有Ni个样本值

5、， 1=1,2, o o o mo我们能够设计并且需要Ci类的离散函数：下标 i表示第Ci个类，J表示第Ci个类的第Ni个样本的第。另外， 这个分类函数可以被写成如下等式那就是说，对未知的样本x,如 果在样本与类中心之间有最小的欧几里得距离，这个类就属于Ci 中心。因此这个决策方式被命名为最近邻值。实际上，最近邻值 也被概括为k-NN算法，因为k-NN算法能够增强这个模型的健壮 性。尤其在低维数分类时，k-NN是优先被选择的高效的算法。支持向量机支持向量机是基于统计学习理论的模式识别算 法。尽管低维数空间的分类很难，如果低维数空间转向为多维数 空间，这类多维数空间的分类就变得相当容易。这样的话

6、，也会 带来很高的计算代价；最好的解决办法是设计或者选择合适的内 核函数。直观来看，对样本空间的分类来说，一个支持向量机模 型就是一个分类算法，并且它要求不同种类的样本能按支持向量 充分进行分类。简单来说，在样本空间下，支持向量机构造了最 佳超平面（解释不好optimal hyper-plane）并且使其它不同的 类之间具有最大化距离。线性识别是一个相对简单的识别函数。 假设是X矢量的线性函数，和W0被称为向量系数。对m个类的分 类问题，可以定义ni个识别函数。在训练阶段，通过样本数据来 评测参数Wi和WiO,来获得识别函数。然而，对未知样本X,它 属于具有最大鉴别函数的类。人工神经网络人工神经网络包括一 组内部互相连通的人工神经元，它用一个连接方式来执行并计算 信息。在绝大多数情况下，在训练阶段，人工神经网络对基于网 络流的外部或者内部信息，进行改变时，都是一个最适合的选 择。人工神经网络从样本中，提供了一个通用的，实际的学习算 法。最简单的人工神经网络是一个单层的网络，仅仅包括输入和 输出层。让输入节点是n维矢量：也就是说，输入层包含n个节 点。