可以用来做回归

波塞冬 软件定义的网络态势感知 波塞冬始于两个IQT Labs： 和。 该项目的目标是探索一种方法，以更好地识别给定（计算机）网络上的节点并了解它们在做什么。 该项目利用软件定义网络和机器学习来自动捕获网络流量，从流量中提取相关特征，通过经过训练的模型进行分类，传达结果，并提供采取进一步行动的机制。 尽管该项目最有效地利用了现代SDN，但它的部分内容仍可以与数据包捕获（pcap）文件一起使用。 目录 背景 波塞冬（Poseidon）项目最初是作为一项实验来测试，以测试利用SDN和机器学习技术检测异常网络行为的优点。 （请阅读下面链接的我们的，以了解其多年背景）。尽管这个长期目标仍然存在，但不幸的现实是，用于ML训练的丰富，标签化，公共和MODERN网络数据集的状态非常差。 我们的实验室正在努力提高网络训练集的可用性，但是在短期内，该项目仍将重点放在1）提高识别节点IS的准确性（基于捕获的IP标头数据）和2）将Poseidon开发为“利用”以容纳其他使用案例的机器学习技术。 （阅读：不只是我们的！） 先决条件 -Poseidon和相关组件在Docker之上运行，因此了解基础知识对于

Machine-Learning-Geological-Mapping-Soil-Geochemistry:机器学习项目，可使用土壤样本地球化学来预测潜在的地质情况。 测试地形数据，采样方法，机器学习算法和多个分类器系统的优势

关于主成分分析PCA算法解释较为清晰明了的PPT与代码，非常适合小白入门，以及作为面试的准备，有助于快速提升机器学习基础算法

机器学习算法工程师校招面试题库 涵盖数学基础、机器学习算法、深度学习、自然语言处理、计算机基础项目等。

算法实例

三年我才想明白，最能影响机器学习算法效果的是特征工程.pdf

Master Machine Learning Algorithms Finally Pull Back The Curtain And See How They Work With Clear Descriptions, Step-By-Step Tutorials and Working Examples in Spreadsheets by Jason Brownlee 10 top algorithms described. 12 step-by-step tutorials, 163 pages. 16 spreadsheets with working algorithms. 你必须了解算法才能在机器学习中取得好成绩（并被公认为优秀）。 在这个巨型电子书是写在友好的机器学习掌握风格，你习惯了，最后切入数学，并了解机器学习算法是如何工作的，然后从零开始，一步一步地实现它们。

如今，生成的数据量非常庞大。 物联网传感器连续生成非结构化数据，并将这些非结构化数据转换为结构化形式，以便从中提取知识。 生成的数据可用于其他类型的分析，例如可用于将来预测分析的预测数据。 对于许多组织而言，对如此庞大的数据执行分析变得非常困难。 在本文中，将机​​器学习算法（例如SVM，KNN，逻辑回归，线性回归和决策树）应用于此类数据，然后将其转换为结构化形式，有助于将来进行预测，并比较每种算法的准确性。

僵尸网络是由受感染的设备组成的网络，这些设备由恶意的“僵尸网络管理员”控制，以执行各种任务，例如执行DoS攻击，发送垃圾邮件和获取个人数据等。僵尸网络管理员在与僵尸网络通信时生成网络流量，分析网络用于检测僵尸网络流量的流量可能是入侵检测系统的一项有前途的功能。 尽管这样的系统已经应用了各种机器学习技术，但是尚未弄清机器算法，包括它们在僵尸网络检测中的集成。 在这项研究中，不仅评估了三种最流行的分类机器学习算法（朴素贝叶斯，决策树和神经网络），而且还测试了用于增强分类器的集成方法，以查看它们是否确实提供了对僵尸网络检测的增强预测。 该评估是使用CTU-13公共数据集进行的，测量每个分类器的训练时间及其F量度和MCC得分。