分类方法在钓鱼网站数据鉴别中的应用
| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 研究现状 | 第8-9页 |
| 1.3 本文结构 | 第9-11页 |
| 第二章 理论基础 | 第11-15页 |
| 2.1 交叉验证 | 第11-12页 |
| 2.2 属性变量的距离度量 | 第12页 |
| 2.3 相关性度量 | 第12-13页 |
| 2.3.1 互信息 | 第12-13页 |
| 2.3.2 信息熵 | 第13页 |
| 2.3.3 标准化互信息 | 第13页 |
| 2.4 评价准则 | 第13-15页 |
| 第三章 数据基本处理及分析 | 第15-21页 |
| 3.1 数据描述 | 第15-19页 |
| 3.2 数据的单因素分析 | 第19-20页 |
| 3.3 变量相关性分析 | 第20-21页 |
| 第四章 模型建立及分析 | 第21-35页 |
| 4.1 KNN | 第21-23页 |
| 4.1.1 方法及思想 | 第21-22页 |
| 4.1.2 实证分析 | 第22-23页 |
| 4.2 Naive Bayes | 第23-25页 |
| 4.2.1 方法及思想 | 第23-24页 |
| 4.2.2 实证分析 | 第24-25页 |
| 4.3 random Forest | 第25-27页 |
| 4.3.1 算法思想 | 第25页 |
| 4.3.2 理论介绍 | 第25-26页 |
| 4.3.3 算法流程 | 第26页 |
| 4.3.4 算法优点 | 第26-27页 |
| 4.3.5 实证分析 | 第27页 |
| 4.4 支持向量机(SVM) | 第27-30页 |
| 4.4.1 算法思想 | 第27-28页 |
| 4.4.2 算法原理 | 第28-29页 |
| 4.4.3 实证分析 | 第29-30页 |
| 4.5 BP神经网络 | 第30-32页 |
| 4.5.1 方法及思想 | 第30-31页 |
| 4.5.2 算法流程 | 第31-32页 |
| 4.5.3 实证分析 | 第32页 |
| 4.6 方法对比 | 第32-35页 |
| 4.6.1 单次训练结果对比 | 第32-33页 |
| 4.6.2 多次训练结果对比 | 第33-35页 |
| 第五章 总结与展望 | 第35-36页 |
| 5.1 总结 | 第35页 |
| 5.2 展望 | 第35-36页 |
| 参考文献 | 第36-38页 |
| 致谢 | 第38页 |
