Machine learning 如何识别数据集上的可变目标，以便使用机器学习进行预测

我正在做一个项目，使用决策树从日志中预测攻击

问题是在规范化日志文件之后，我不知道如何识别输出类，以便将从决策树获得的结果与实际结果进行比较

说实话，我不知道如何识别真正的班级

我是否需要关联以识别类

---

谢谢你的帮助

你的问题不清楚。如果您可以共享您想要的日志或结果数据集，那就太好了

但是，您可以检查是否遵循分类或回归。它们之间的主要区别在于回归中的输出变量是数值的（或连续的），而分类中的输出变量是分类的（或离散的）

---

因此，请检查完整描述上述内容的列（分类或回归）

thank's@Running Rabbit，正如我之前所说，我使用IDMEF协议规范化了一组日志（snort日志、来自apache的访问日志、来自apache的错误日志），如下所示

下面是原始日志文件snort的示例： bastion snort:[1:2001669:1]前沿Web代理获取请求[分类：潜在的坏流量][优先级：2]：{TCP}220.170.88.36:3047->11.11.79.82:80

目标是如何让类攻击识别是否是攻击{是，否}在使用DTA进行预测之前，我不知道如何找到真正的目标类

---

Thank's

您的数据集中是否有攻击目标值？Thank's@Running Rabbit，正如我之前所说，我使用IDMEF协议规范了一组日志（snort日志、来自apache的访问日志、来自apache的错误日志），如下所示，在此处输入图像描述，以下是原始日志文件snort示例：bastion snort:[1:2001669:1]前沿Web代理获取请求[分类：潜在坏流量][优先级：2]：{TCP}220.170.88.36:3047->11.11.79.82:80目标是如何获取类攻击以确定是否是攻击{是，否}在使用DTA进行预测之前，我不知道如何找到真正的目标类。谢谢