使用語言：R
背景介紹：
ISCX2012數據集是目前使用比較廣泛的入侵檢測數據集，較於KDD99，該數據集的內容更新，數據樣本量更大。本次實驗中，我們將使用數據挖掘課程中介紹的知識，對ISCX2012數據集進行分析。
題目說明：
1）已知ISCX數據集中，Jun14這天發生了DoS攻擊，現要求使用決策樹方法對該天的數據進行處理，並驗證決策樹模型的准確率、精度和召回率
由於XML文檔不方便數據處理，將其導入為excel數據表
將該數據表導入到Rstudio中
1 install.packages("openxlsx") 2 library(openxlsx) 3 x<-read.xlsx("F:\\Testbed.xlsx")
得到結果
由於要處理的數據集中，只有totalSourceBytes，totalDestinationBytes，totalDestinationPackets，totalSourcePackets這四個列的對象為數據格式，因此把這四個數據作為分類標准，使用R語言中自帶的決策樹函數rpart對數據集進行分類，首先為了分類方便，將原數據集的上述屬性列及label列提取出來到一個新矩陣s，對s進行操作：
1 library(rpart) 2 s_tree = rpart(V5 ~ ., data = s) 3 print(s_tree) 4 plot(s_tree) 5 text(s_tree)
所得結果如下：
由於畫出的樹狀圖過於密集，我們對print產生的節點文本信息進行分析。產生的結果中，以405) totalSourcePackets< 2.5 204 19 Normal (0.0931372549 0.9068627451) *節點為例，totalSourcePackets< 2.5為分類標准，204為該節點的總數據量，19為該分類標准下判斷錯誤的數據個數，Normal為決策樹建模完成后該節點值被認為的label，(0.0931372549 0.9068627451)分別為誤判率與准確率。下面計算該決策樹模型的准率率，精度和召回率。以下計算中以Normal類為正類，由上述決策樹模型獲取數據TP（正類判斷正確）=166765，TN（負類判斷正確）=2862，FP（負類誤判為正類）=914，FN（正類誤判為負類）=839
根據准確率公式Accuracy=(TP+TN)/(TP+TN+FP+FN)計算准確率為98.977%
根據精度公式Precision=TP/(TP+FP)計算精度為99.455%
根據召回率公式Recall=TP/(TP+FN)計算召回率為99.500%
2）實際數據集中，由於其具有的樣本量很大和高維特性，我們在處理時需要先對數據進行處理，現要求對於ISCX數據集中Jun14這一天的數據，使用數據預處理方法，達到該目的。需要明確使用方法前后數據體量的變化，並分析通過預處理后的數據在使用決策樹方法進行訓練時，對模型准確率的影響。
首先使用數據降維預處理方式對數據集進行處理。（以下使用PCR方法）
先對四個列做主成分分析：
1 s.pr<-princomp(~totalSourceBytes+totalDestinationPackets+totalDestinationBytes+totalSourcePackets, data=s, cor=T) 2 summary(s.pr, loadings=TRUE)
由於Comp.1+Comp.2對主成分的差異比例貢獻超過99%，因此可以用Comp.1,Comp.2兩個維度的數據來表示原始數據，可得公式
Comp.1=-0.507*totalSourceBytes-0.571*totalDestinationPackets-0.307*totalDestinationBytes-0.568*totalSourcePackets ①
Comp.2=0.475*totalSourceBytes-0.107*totalDestinationPackets-0.861*totalDestinationBytes+0.148* totalSourcePackets ②
將公式①，②帶入原數據表，進行計算並生成新的數據表，原數據表的四維數據降維成二維數據，代碼如下：
1 Comp.1=-0.507*s$totalSourceBytes-0.571*s$totalDestinationPackets-0.307*s$totalDestinationBytes-0.568*s$totalSourcePackets 2 Comp.2=0.475*s$totalSourceBytes-0.107*s$totalDestinationPackets-0.861*s$totalDestinationBytes+0.148*s$totalSourcePackets 3 q=s[,1:3] 4 q[,1]=Comp.1 5 q[,2]=Comp.2 6 q[,3]=s[,5] 7 colnames(q) <- c("Comp.1","Comp.2","Label")
生成新表
在數據降維后形成的數據表q上建立新的樹模型：
1 q_tree = rpart(Label ~ ., data = q) 2 print(q_tree) 3 plot(q_tree) 4 text(q_tree)
按照1中的方法，計算准確率，新的決策樹模型中各參數指標為：
TP=167006，TN=2091，FP=1685，FN=598
根據准確率公式Accuracy=(TP+TN)/(TP+TN+FP+FN)計算准確率為98.668%
1中計算准確率為98.977%，本決策樹模型中，在原始數據降維之后，准確率幾乎沒有影響。