网络数据统计分析模型大全

1 导入sklearn的分类库

# 通用算法模型
from sklearn import svm, tree, linear_model, neighbors, naive_bayes, ensemble, discriminant_analysis, gaussian_process
from xgboost import XGBClassifier

# 通用帮助模型
from sklearn.preprocessing import OneHotEncoder, LabelEncoder
from sklearn import feature_selection
from sklearn import model_selection
from sklearn import metrics

# 可视化模块
import matplotlib as mpl
import matplotlib.pyplot as plt
import matplotlib.pylab as pylab
import seaborn as sns 
from pandas.tools.plotting import scatter_matrix


# 数据操作
import numpy as np
import pandas as pd

color = sns.color_palette()

# 配置可视化的默认值

%matplotlib inline
mpl.style.use('ggplot')
sns.set_style('white')
pylab.rcParams['figure.figsize'] = 12, 8
pd.options.mode.chained_assignment = None
pd.options.display.max_columns = 999

2 数据读入

df1 = pd.read_csv("./data/20180506/1.dat")
df2 = pd.read_csv("./data/20180506/2.dat")
df3 = pd.read_csv("./data/20180506/3.dat")
df4 = pd.read_csv("./data/20180506/4.dat")
df5 = pd.read_csv("./data/20180506/5.dat")
data = df5.append(df4)
data = data.append(df3)
data = data.append(df2)
data = data.append(df1)

data.columns = ['c_num_pack', 's_num_pack', 'total_num_pack', 'c_pack_size_expec', 's_pack_size_expec', 'c_pack_per_sec','s_pack_per_sec', 'c_pack_size_var', 's_pack_size_var', 'total_c_bytes', 'total_s_bytes', 'c_bytes_per_sec','s_bytes_per_sec','down_to_up_ratio', 'protocal']
print(data.info())

查看一下数字


数据概述

3 数据整理

# Converting to categorical data
Target = ['protocal']
data1_x = ['c_num_pack', 's_num_pack', 'total_num_pack', 'c_pack_size_expec',
       's_pack_size_expec', 'c_pack_per_sec', 's_pack_per_sec',
       'c_pack_size_var', 's_pack_size_var', 'total_c_bytes',
       'total_s_bytes', 'c_bytes_per_sec', 's_bytes_per_sec',
       'down_to_up_ratio']

data1_xy = Target + data1_x
print('Original X Y', data1_xy, '\n')
train1_x, test1_x, train1_y, test1_y = model_selection.train_test_split(data[data1_x], data[Target], random_state=0)
print('Datal Shape: {}'.format(data.shape))
train1_x.head()
image.png

4 数据探索

# Important: Intentionally plotted different ways for learning purposes only
# optional plotting w/pandas
# 

plt.figure(figsize=(16, 12))
plt.subplot(231)
plt.boxplot(x=data['c_num_pack'], showmeans=True, meanline=True)
plt.title('client_num_pack Boxplot')
plt.ylabel('nums (num)')


plt.subplot(232)
plt.boxplot(data['s_num_pack'], showmeans=True, meanline=True)
plt.title('server_num_packets Boxplot')
plt.ylabel('Packets (num)')

plt.subplot(233)
plt.boxplot(data['total_num_pack'],showmeans=True, meanline=True)
plt.ylabel('total num packets')

plt.subplot(234)
plt.hist(x=[data[data['protocal']==1]['total_num_pack'], data[data['protocal']==1]['down_to_up_ratio']], stacked=True, color=['g', 'r'], label=['packets', 'ratio'])
plt.title('protocal 1 ')
plt.xlabel('num {packets}')
plt.ylabel('ratio')
plt.legend()

'''
plt.subplot(235)
plt.hist(x=[data1[data1['Survived']==1]['Age'], data1[data1['Survived']==0]['Age']], stacked=True, color=['g', 'r'], label=['Survived', 'Dead'])
plt.title('Age Histogram by Survival')
plt.xlabel('Age (Years)')
plt.ylabel('# of Passengers')
plt.legend()

plt.subplot(236)
plt.hist(x=[data1[data1['Survived']==1]['FamilySize'], data1[data1['Survived']==0]['FamilySize']], stacked=True, color=['g', 'r'], label=['Survived', 'Dead'])
plt.title('Family Size Histogram by Survival')
plt.xlabel('Family Size(#)')
plt.ylabel('# of Passengers')
plt.legend()
exploration
f, ax = plt.subplots(1, 2, figsize=(20, 10))
data1 = data.copy(deep=True)
data1['protocol_type'] = 'unkowntype'
for i, t in enumerate(['ICMP', 'UDP', 'SMTP', 'POP3', 'IMAP', 'HTTP', 'TCP-NC', 'FTP', 'SSH']):
    data1.loc[data1.protocal == i+1, 'protocol_type'] = t

data1['protocol_type'].value_counts().plot.pie(autopct='%1.1f%%', ax=ax[0], shadow=True)
ax[0].set_title('protocal')
ax[0].set_ylabel('')
sns.countplot('protocol_type', data=data1, ax=ax[1])
ax[1].set_title('protocol')
plt.show()
image.png
f, ax = plt.subplots(1, 2, figsize=(20, 10))
sns.violinplot('total_num_pack', 'total_c_bytes', hue='protocol_type', data=data1, ax=ax[0])
sns.violinplot('total_num_pack', 'total_s_bytes', hue='protocol_type', data=data1, ax=ax[1])
image.png

5 开始跑模型

# Machine Learning Algorithm (MLA) Selection and Initialization

MLA = [
    # Ensemble Methods
    ensemble.AdaBoostClassifier(),
    ensemble.BaggingClassifier(),
    ensemble.ExtraTreesClassifier(),
    ensemble.GradientBoostingClassifier(),
    ensemble.RandomForestClassifier(),
    
    # Gaussian Processes
#     gaussian_process.GaussianProcessClassifier(),
    
    #GLM
    linear_model.LogisticRegressionCV(),
    linear_model.PassiveAggressiveClassifier(),
    linear_model.RidgeClassifierCV(),
    linear_model.SGDClassifier(),
    linear_model.Perceptron(),
    
    #Navies Bayes
    naive_bayes.BernoulliNB(),
    naive_bayes.GaussianNB(),
    
    #Nearest Neighbor
    neighbors.KNeighborsClassifier(),
    
    # SVM
    svm.SVC(probability=True),
#     svm.NuSVC(probability=True),
    svm.LinearSVC(),
    
    # Trees
    tree.DecisionTreeClassifier(),
    tree.ExtraTreeClassifier(),
    
    #Discriminant Analysis
    discriminant_analysis.LinearDiscriminantAnalysis(),
    discriminant_analysis.QuadraticDiscriminantAnalysis(),
    
    XGBClassifier()
]

cv_split = model_selection.ShuffleSplit(n_splits=10, test_size=.3, train_size=.6, random_state=0)
MLA_columns = ['MLA Name', 'MLA Parameters', 'MLA Train Accuracy Mean', 'MLA Test Accuracy Mean', 'MLA Test Accuracy 3*STD', 'MLA Time']

MLA_compare = pd.DataFrame(columns=MLA_columns)

MLA_predict = data[Target]
row_index = 0
for i, alg in enumerate(MLA):
    print(i, alg.__class__.__name__)
    MLA_name = alg.__class__.__name__
    MLA_compare.loc[row_index, 'MLA Name'] = MLA_name
    MLA_compare.loc[row_index, 'MLA Parameters'] = str(alg.get_params())
    
    cv_results = model_selection.cross_validate(alg, data[data1_x], data[Target].values.ravel(), cv = cv_split, return_train_score=True)
    MLA_compare.loc[row_index, 'MLA Time'] = cv_results['fit_time'].mean()
    MLA_compare.loc[row_index, 'MLA Train Accuracy Mean'] = cv_results['train_score'].mean()
    MLA_compare.loc[row_index, 'MLA Test Accuracy Mean'] = cv_results['test_score'].mean()
    MLA_compare.loc[row_index, 'MLA Test Accuracy 3*STD'] = cv_results['test_score'].std()*3
    alg.fit(data[data1_x], data[Target].values.ravel())
    MLA_predict[MLA_name] = alg.predict(data[data1_x])
    row_index += 1
    
MLA_compare.sort_values(by=['MLA Test Accuracy Mean'], ascending=False, inplace=True)
MLA_compare

6 准确度排序

accurate

7 输入相关分析

def correlation_heatmap(df):
    _, ax = plt.subplots(figsize=(14, 12))
    colormap = sns.diverging_palette(220, 10, as_cmap=True)
    _ = sns.heatmap(
        df.corr(),
        cmap=colormap,
        square=True,
        ax=ax,
        annot=True,
        linewidths=0.1,
        vmax=1.0, linecolor='white',
        annot_kws={'fontsize':12}
    )
    plt.title('Pearson Correlation of Feature', y=0.05, size=15)
correlation_heatmap(data)
relation
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 159,569评论 4 363
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,499评论 1 294
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 109,271评论 0 244
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,087评论 0 209
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,474评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,670评论 1 222
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,911评论 2 313
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,636评论 0 202
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,397评论 1 246
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,607评论 2 246
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,093评论 1 261
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,418评论 2 254
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,074评论 3 237
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,092评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,865评论 0 196
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,726评论 2 276
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,627评论 2 270