3 11 mô tả cơ chế chuyển giao đòa chỉ động53

SỬ DỤNG CÔNG CỤ KHAI PHÁ DỮ LIỆU ĐỂ CẢNH BÁO NGUY CƠ MẤT AN NINH TRÊN MẠNG

SỬ DỤNG CÔNG CỤ KHAI PHÁ DỮ LIỆU ĐỂ CẢNH BÁO NGUY CƠ MẤT AN NINH TRÊN MẠNG

... tả việc đònh hướng lại gói tin mạng X.25…………………………………51 Hình 3. 11 tả chế chuyển giao đòa động……………………………………………………… 53 Hình 3. 12 tả gói thông tin ARP…………………………………………………………………………………54 Hình 4.1 ... Hình 3. 1 Khuôn dạng IP Datagram Giao thức Internet chuyển datagram việc kiểm tra đòa đích Word thứ năm phần header Đòa đích 32 bit đòa IP chuẩn để nhận mạng đích đòa host cụ thể mạng Nếu đòa đích ... tiễn - 13- 1.2 .3 Các thành phần giải thuật khai phá liệu Giải thuật khai phá liệu gồm thành phần sau: biểu diễn hình, đánh giá hình phương pháp tìm kiếm hình - Biểu diễn hình: hình...

Ngày tải lên: 22/05/2015, 09:01

86 566 0
Tài liệu cay quyet dinh-decision tree docx

Tài liệu cay quyet dinh-decision tree docx

... liệu: – Bước (Học): xây dựng hình tả tập liệu; khái niệm biết • Input: tập liệu cấu trúc tạo tả thuộc tính • Output: Các luật If…Then – Bước (Phân loại): dựa hình xây dựng để phân ... gồm thuộc tính tả tình huống, hay đối tượng, giá trị phân loại – Đầu ra: Cây định khả phân loại đắn ví dụ tập liệu rèn luyện • xây dựng định theo cách từ xuống Thuật toán ID3 Function induce_tree(tập_ví_dụ, ... ComputeErrors of N; return N Thuật toán C4.5 • Chuyển đổi sang luật: cắt tỉa – Dạng luật: if A and B and C… then class X Không thỏa mãn điều kiện chuyển lớp mặc định – Xây dựng luật: bước • Mỗi...

Ngày tải lên: 26/01/2014, 00:20

16 755 6
ĐỒ ÁN MÔ HÌNH CÂY QUYẾT ĐỊNH DECISION TREE

ĐỒ ÁN MÔ HÌNH CÂY QUYẾT ĐỊNH DECISION TREE

... 1 /3 • Gini(Age 23) = 1- ((1 /3) 2+(2 /3) 2) = 4/9 – GiniSPLIT (Age 23) = (3/ 6) * + (3/ 6) * (4/9) = 2/9 • Gini(Age< =32 ) = 1- ( (3/ 4)2+(1/4)2) = 1/4 • Gini(Age >32 ) ... 15 3. 2 Thuật toán ID3 18 3. 3 Thuật toán C4.5 22 3. 4 Một số cài tiến thuật toán C4.5 so với thuật toán ID3 23 3.4.1 Chọn độ đo Gain Ratio 23 3.4.2 Xử ... 30 3. 5.2 Cấu trúc liệu SPRINT 30 3. 5 .3 Danh sách thuộc tính 31 3. 5.4 Thực thi phân chia 34 Vấn đề Overfitting giải pháp giảm Overfitting (Hồ Sơn Lâm) 37 Decision...

Ngày tải lên: 16/02/2014, 23:30

70 2,1K 5
Tiểu luận môn hệ hỗ trợ quyết định MÔ HÌNH CÂY QUYẾT ĐỊNH DECISION TREE

Tiểu luận môn hệ hỗ trợ quyết định MÔ HÌNH CÂY QUYẾT ĐỊNH DECISION TREE

... 0.5 3. 2 .3 Ví dụ minh họa: Hệ Hỗ Trợ Ra Quyết Định - 2014 10 Hệ Hỗ Trợ Ra Quyết Định - 2014 11 3. 3 Độ phức tạp tính toán Độ phức tạp tính toán việc sử dụng tài nguyên CPU Để dễ so sánh ta tả ... 21 = 0 .38 96 + 0.5282 = 0.9178 Entropy(SMát) = – (3/ 4)log2 (3/ 4) – (1/4)log2(1/4) = 0 .31 12781 + 0.5 = 0. 8112 8 Suy ra: Gain(S, Temperature) = 0.940 – (4/14)*1 – (6/14)*0.9178 – (4/14)*0. 8112 8 = ... (6/8)log2(6/8) – (2/8)log2(2/8) = 0 .31 12 + 0.5 = 0. 8112 Entropy(SMạnh) = – (3/ 6)log2 (3/ 6) – (3/ 6)log2 (3/ 6) = 0.5 + 0.5 = Suy ra: Gain(S, Gió) = 0.940 – (8/14)*0. 811 – (6/14)*1 = 0.048 Ta thu kết quả: Gain(S,...

Ngày tải lên: 21/05/2015, 08:12

28 1,6K 5
Nghiên cứu cây quyết định (decision tree)

Nghiên cứu cây quyết định (decision tree)

... (1/14)×Entropy(SĐộ ẩm≤67.5) + ( 13/ 14)×Entropy(SĐộ ẩm>67.5) = (1/14)(0) + ( 13/ 14)(-8/13log2(8/ 13) – 5/13log2(5/ 13) ) = 0.8 93 Gain(SĐộ ẩm, Độ ẩm=67.5) = 0.940 – 0.8 93 = 0.047 Tính tương tự cho giá ... (2/5)×Entropy(SNhẹ) + (3/ 5)×Entropy(SMạnh) = (2/5)×1 + (3/ 5)(- (1 /3) log2(1 /3) – (2 /3) log2(2 /3) ) = 0.951 Gain(SNắng, Gió) = 0.971 – 0.951 = 0.020 SplitInfomation(SNắng, Gió) = - (2/5)log2(2/5) – (3/ 5)log2 (3/ 5) ... 1-] Entropy(SMưa) = - (3/ 5)log2 (3/ 5) – (2/5)log2(2/5) = 0.971 EntropyNhiệt độ(SMưa) = (3/ 5)×Entropy(SẤm áp) + (2/5)×Entropy(SMát) = (3/ 5)(- (2 /3) log2(2 /3) – (1 /3) log2(1 /3) ) + (2/5)(1) = 0.951...

Ngày tải lên: 13/06/2015, 01:05

58 1,4K 13
Cây quyết định (Decision Tree)

Cây quyết định (Decision Tree)

... Mưa [D1, D2, D8, D9, D11] [D3, D7, D12, D 13] [D4, D5, D6, D10, D14] S Nắng[2+ ,3- ] S Âm u[4+,0-] S Mưa [3+ ,2-] Độ ẩm TB Gió Cao S TB[2+,0-] S cao[0+ ,3- ] không Nhẹ S Nhẹ [3+ ,0-] Mạnh S Mạnh[0+,2-] ... định sau chạy dạng sau: 3. 2 Ứng dụng xây dựng 3. 2.1 Ứng dụng xây dựng định đơn giản 3. 2.1.1 Decision Tree tả ứng dụng 43  Ứng dụng xây dựng định dựa thuật toán ID3 C4.5  Dữ liệu training ... Decision Tree 36 pháp để cập nhật định tăng trưởng Mở rộng thuật toán CART khả gây tăng trưởng tả (Crawford, 2002) [5] Decision Tree 37 Chương : Cài đặt thử nghiệm 3. 1 WEKA 3. 1.1 Sơ lược weka...

Ngày tải lên: 01/12/2015, 21:44

48 1K 3
Nghiên cứu các thuật toán phân lớp dữ liệu dựa trên cây quyết định

Nghiên cứu các thuật toán phân lớp dữ liệu dựa trên cây quyết định

... 35 - iii- 2.4 So sánh C4.5 SPRINT 37 Chương CÁC KẾT QUẢ THỰC NGHIỆM 38 3. 1 Môi trường thực nghiệm .38 3. 2 Cấu trúc hình phân lớp C4.5 release8: 38 3. 2.1 ... chính: 38 3. 2.2 Cấu trúc liệu sử dụng C4.5 39 3. 3 Kết thực nghiệm 40 3. 3.1 `7Một số kết phân lớp tiêu biểu: 40 3. 3.2 Các biểu đồ hiệu 47 3. 4 Một số ... thành giá trị 40 – Với age= “ 40”: I (S3) = I(s 13, s 23) = 0.971 Σ...

Ngày tải lên: 27/02/2013, 16:39

67 1,6K 4
cây quyết định

cây quyết định

... lien quail de'n vi~c phat sinh cay quye't dinh M6i nut cay quye't dinh co ca'u trUcnhu' sail: 73 PhI,! Il,!c C typedef struct ntag { char nodename [10] struct ntag *left i I *righti } NODE NODE ... = ( i ; i < COLSIZE if ( strcmp return return ;} , ; i ++ ( s, ACTLIST ;} [i] ?, ) { ) == ) , C .3 CAC THU TUC DUNG - KHI PHAT -' SINH CAY QUYET S!NH Thu~t tmin tinh Column Tally cua m6i cQttrong ... cua tung phfin tii'trong stack Ien mQiphfin tii'cua mQt hang thich h

Ngày tải lên: 17/04/2013, 13:28

8 615 0
khai phá dữ liệu bằng cây quyết định.

khai phá dữ liệu bằng cây quyết định.

... dêmo 30 3. 1 .Mô tả toán .30 3. 2.Thu thập tiền xử lý liệu 30 3. 3.Chương trình 31 Chương KẾT LUẬN 32 4.1 Đánh Giá .32 4.1.1 Lý ... đoán chức tả 10 1.5 Các kỹ thuật khai phá liệu Trong thực tế nhiều kỹ thuật khai phá liệu khác nhằm thực hai chức tả dự đoán - Kỹ thuật khai phá liệu tả: nhiệm vụ tả tính chất ... 32 4.1.2 Ứng dụng .32 4.2 Hướng Phát Triển 32 TÀI LIỆU THAM KHẢO 32 Tài liệu tiếng Việt .32 Tài liệu tiếng Anh .33 LỜI MỞ...

Ngày tải lên: 25/04/2013, 10:41

33 1,7K 27
Cây quyết định

Cây quyết định

... 3/ 8 (sửa lỗi) RTemperature (sửa lỗi) Hot Mild 5/12 4/12 No 3/ 8 2/8 RWind (sửa lỗi) Cool Yes 3/ 12 RHumidity (sửa lỗi) 3/ 8 Weak Yes High Yes 7 /11 4 /11 No 2/7 5/7 29 7 /11 4 /11 No Normal Strong 3/ 7 ... bình: HHigh = - 3/ 3 * log 23/ 3 – 0 /3 * log20 /3 = HNormal = - 0/2 * log20/2 – 2/2 * log22/2 = AE (Humidity) = Thuộc tính Wind entropy trang bình thấp nên chọn làm nút nhánh • Lặp lần 3: Xét nhánh ... 2/6 * log22/6 = 0,918 HCool = - 3/ 4 * log 23/ 4 - 1/4 * log21/4 = 0, 811 AE (Temperature) = 4/14 * + 6/14 * 0,918 + 4/14 * 0, 811 = 0, 911 • Humidity: # 10 11 12 13 14 Outlook Temperature Sunny Hot...

Ngày tải lên: 28/04/2013, 21:51

40 1,4K 4
Ra quyết định với thông tin không chắc chắn bằng việc ứng dụng mô hình cây quyết định

Ra quyết định với thông tin không chắc chắn bằng việc ứng dụng mô hình cây quyết định

... trường kinh doanh thông tin thu không chắn việc ứng dụng hình cụ định 14 3. 3 Dữ liệu phục vụ lập kế hoạch sản xuất kinh doanh doanh nghiệp 3. 3.1 Dữ liệu phục vụ lập kế hoạch sản xuất kinh doanh: ... Hình 11: Kết xây dựng hình định cho toán Đánh giá kết quả: Theo kết hình định trên, giá trị kỳ vọng lớn phương án 19,8 (triệu đồng), phương án 30 (triệu đồng) Giá trị kỳ vọng lớn 30 triệu ... 19 93 13 Robert F Stewart, SWOT analysis modelStandford, Menlo Park, California, 1980 14 Shannon, C-E., A mathematical theory of communication Bell System Technological Journal (27) :37 9–4 23, 6 23 656,...

Ngày tải lên: 26/11/2013, 20:10

25 637 1
Phân lớp bằng cây quyết định và cài đặt thuật toán C4.5

Phân lớp bằng cây quyết định và cài đặt thuật toán C4.5

... thành giá trị 40 + với age = “ 40” : I(S3) = (S 13, S 23) = 0.971 Si ... 11 3. 2.1 Tránh “quá vừa” liệu 11 3. 2.2 Thao tác với thuộc tính liên tục 12 3. 3 Đánh giá phân lớp liệu 12 3. 3.1 Sức mạnh định ... loại Cây định phương tiện tính tả dành cho việc tính toán xác suất điều kiện Cây định tả kết hợp kỹ thuật toán học tính toán nhằm hỗ trợ việc tả, phân loại tổng quát hóa tập liệu...

Ngày tải lên: 30/11/2013, 14:22

48 4,2K 10
Phân lớp bằng cây quyết định và cài đặt thuật toán ID3

Phân lớp bằng cây quyết định và cài đặt thuật toán ID3

... • Bước thứ (learning) Quá trình học nhằm xây dựng hình tả tập lớp liệu hay khái niệm định trước Đầu vào trình tập liệu cấu trúc tả thuộc tính tạo từ tập giá trị thuộc tính Mỗi giá ... luyện thường chiếm 2 /3 số ví dụ tập kiểm tra chiếm 1 /3 VI Chuyển luật Thông thường, định chuyển dạng luật để thuận tiện cho việc cài đặt sử dụng Ví dụ định cho tập liệu rèn luyện chuyển thành số luật ... nghĩa Trong năm qua, nhiều hình phân lớp liệu nhà khoa học nhiều lĩnh vực khác đề xuất mạng notron, hình thông kê tuyến tính /bậc 2, định, hình di truyền Trong số hình đó, định với ưu...

Ngày tải lên: 30/11/2013, 14:22

32 5,1K 25
Phương pháp học theo cây quyết định

Phương pháp học theo cây quyết định

... D9, D11} {D3, D7, D12, D 13} {D4, D5, D6, D10, D14} 2+, 3- 2+, 3- 2+, 3- [2+ ,3- ] [4+,0-] Humidity Yes High [3+ ,2-] tt2 ? Normal {D1, D2, D8} 2+, 3[ 0+ ,3- ] {D9, D11} 2+, 3[ 2+,0-] No Yes Hình 2 .3 Một ... High Wind Weak Normal {D1, D2, D8} 2+, 3[ 0+ ,3- ] Yes 3. 4 Cây Strong {D4, D5, D10} 2+, 3[ 3+,0-] {D9, D11} 2+, 3[ 2+,0-] No Hình [3+ ,2-] Yes định {D6, D14} 2+, 3[ 0+,2-] No cần tìm ... kiểm tra Outlook Sunny Overcast Rain {D1, D2, D8, D9, D11} {D3, D7, D12, D 13} {D4, D5, D6, D10, D14} 2+, 3- 2+, 3- 2+, 3- [2+ ,3- ] [4+,0-] [3+ ,2-]  Xác định thuộc tính tt1 Day Outlook Temperature...

Ngày tải lên: 10/12/2013, 14:08

30 947 1
Tiểu luận khai phá dữ liệu: Sử dụng phần mềm Weka phân lớp cho bộ dữ liệu  golf dataset bằng cây quyết định C4.5

Tiểu luận khai phá dữ liệu: Sử dụng phần mềm Weka phân lớp cho bộ dữ liệu golf dataset bằng cây quyết định C4.5

... mục tiêu đúng, ID3 dẫn đến việc tạo định sai + Trong thuật toán ID3, giá trị thuộc tính rời rạc, giới thực tồn thuộc tính giá trị liên tục (giá trị số) + Trong thuật toán ID3, thuộc tính ... phát từ Nútgốc} 10 Lặp qua tập phân chia v ∈ V 11 Đặt Ev = {e | Nútgốc.điềukiệnkiểmtra(e) = v e ∈ E} 12 Nútcon = Tạocây(Ev, F, tập nhãn lớp) 13 Dừng lặp 14 End if 15 Trả nútgốc Hàm Gọi hàm Tạocây ... statistic -0.2857 Mean absolute error 0.5 Root mean squared error 0. 637 7 Relative absolute error 95.4545 % Root relative squared error 117 .9081 % Total Number of Instances Chi tiết kết phân loại phân...

Ngày tải lên: 13/12/2013, 11:27

11 1,1K 7
Khai phá dữ liệu theo tiếp cận tập thô và cây quyết định   ứng dụng trong phân lớp năng khiếu học sinh luận văn thạc sĩ

Khai phá dữ liệu theo tiếp cận tập thô và cây quyết định ứng dụng trong phân lớp năng khiếu học sinh luận văn thạc sĩ

... định 28 2 .3 Phương pháp xây dựng định ID3 30 v 2 .3. 1 Tiêu chí lựa chọn thuộc tính để phân lớp 30 2 .3. 2 Thuật toán ID3 31 2 .3. 3 Độ phức tạp tính toán 37 2.4 Phương ... FID3 56 ứng với Bảng định 2.2 2.10 Cây định xây dựng theo thuật toán FID3 ứng với Bảng định 2.2 58 3. 1 Minh họa bảng điểm tổng hợp 62 3. 2 Minh họa hình giao diện chương trình 62 3. 3 3. 4 3. 5 3. 6 ... 60 3. 2.1 Giới thiệu sở liệu 61 3. 2.2 Màn hình giao diện chương trình 62 3. 2 .3 Chức mở liệu 63 3.2.4 Chức tìm tập rút gọn 64 3. 2.5 Chức tạo hiển thị định 65 3. 2.6...

Ngày tải lên: 18/12/2013, 14:18

94 3,4K 15
Phương pháp khai phá dữ liệu bằng cây quyết định

Phương pháp khai phá dữ liệu bằng cây quyết định

... luật kết hợp 3. 3 .3 Thiết kế sở liệu Tiến hành xây dựng sở liệu với bảng sau: Bảng 3. 1 : Lưu trữ danh sách sinh viên toàn trường Bảng 3. 2: Lưu trữ danh sách môn học trường Bảng 3. 3: Lưu trữ danh ... ASP.NET cho việc xây dựng thiết kế trang web, sử dụng môi trường internet giao tiếp với người sử dụng 3. 3 Phân tích thiết kế hệ thống 3. 3.1 Giới thiệu hình đào tạo theo tín Tuy nhiên, số phương ... liên quan đến luật để phục vụ cho trình truy vấn sinh viên 3. 2 .3 Ngôn ngữ lập trình ASP.NET - Kỹ thuật khai phá liệu tả: nhiệm vụ tả tính chất đặc tính chung liệu string Các kỹ thuật...

Ngày tải lên: 17/02/2014, 09:44

14 873 1
Ứng dụng cây quyết định để phân loại khách hàng vay vốn của ngân hàng thương mại

Ứng dụng cây quyết định để phân loại khách hàng vay vốn của ngân hàng thương mại

... quy: ID3(U2, C-{ Độ ẩm}, {d}) • Tính cách tương tự ta có: 3 Entropy (U2) = − log − log = 0. 811 4 1 1 3 IG(U2, Quang cảnh) = 0. 811 - [ (− log ) + (− log − log )] = 0. 811- 0.689 = 0.1 23 3 1 IG(U2, ... 0. 811- 0.689 = 0.1 23 3 1 IG(U2, Gió) = 0. 811 - [ (− log − log ) + / 4(− log )] = 0. 811- 0.689 = 0.1 23 3 3 1 IG(U2, Nhiệt độ) = 0. 811 - [ (− log ) + (− log )] = 0. 811- 0 = 0. 811 Ta thấy số IG “Nhiệt độ” lớn ... phân loại khách hàng 2 .3 Thuật toán xây dựng định dựa vào Entropy Chương Xây dựng chương trình thử nghiệm đánh giá 3. 1 Giới thiệu toán 3. 2 sở liệu 3. 3 Cài đặt ứng dụng 3. 5 Kết luận Chương -...

Ngày tải lên: 17/02/2014, 09:46

27 1,5K 4
Tài liệu Báo cáo khoa học: "POS Disambiguation and Unknown Word Guessing with Decision Trees" pot

Tài liệu Báo cáo khoa học: "POS Disambiguation and Unknown Word Guessing with Decision Trees" pot

... Words 0 ,3. 9 0 ,36 0 ,34 0,0"6 0,29 20,85 [ 2, 53 Totals 23, 38 139 !,8.7 1,72 , 1, 63 0,28 1 ,39 It3.8 22,.8 4 ,31 16,8 30 ,1 24,1 38 ,6 25,6 1,96 4,85 1 ,35 13, 4 5,78 8,94 6, 93 30 ,4 ... erb-NOun 7, 13 34,19 14,5 4,70 22,54 39 ,1 2,14 10,26 12,2 1, 53 7 ,33 31 ,1 1,4i 6,76 38 ,0 i,~21 ~ 4,89 20,8 49 12,1 0

Ngày tải lên: 22/02/2014, 03:20

8 326 0
w