پروژه داده کاوی 3811

---

شرح پروژه

سلام

کار داده کاوی من، به این صورت هست که می خواهم از بین یک سری دیتاست بدافزار، الگوریتم های مطرح داده کاوی را طوری آموزش بدم و مدل بسازم به صورتی که بتوانم بفهمم هر کدام چقدر دقت در مرحله تست و تمرین دارند، بهترین الگوریتم برای شناسایی بدافزار کدام می شود و مقایسه شوند.

 یعنی کدام الگوریتم داده کاوی منجر به بهبود دقت شناسایی بدافزار می شود

 کدام الگوریتم داده کاوی دقت و بهره وری بالاتری نسبت به سایر الگوریتم ها برای شناسایی بدافزار دارد

 الگوریتم های مدنظر شامل:

 ماشین بردار پشتیبان (SVM)، نزدیکتری همسایه k، درخت تصمیم، شبکه عصبی مصنوعی، بیز ساده، جنگل تصادفی، شبکه عصبی، مبتنی بر قانون هست

: دیتاست بنده شامل چهار دسته دیتاست هست، Adware،Ransomware، Scareware،SMSmalware

که هر کدوم از این دسته ها شامل یک خانواده ده الی یازده نوع هستند

 با توجه به اینکه دیتاست‌ها دارای ستون های زیادی هستند، من یک فایل آماده کردم که ستون های منتخب را نمایش می‌دهد

مرحله پیش پردازش داده:

در این مرحله من می خواهم از بین خانواده Adware، ده هزار تا داده انتخاب کنم

 خانواده adware رو در بالا مشاهده می کنید، 10 تا فایل هست

از هر کدام 1000 عدد دیتا انتخاب می کنم و بعد در یک فایل اکسل آنها را ادغام می کنم به صورتی که قاطی باشند نه به صورت ردیف شده

 بعد در مدل قرار می دهم و نتیجه را به دست می‌آورم

 بنده می خواهم برای سایر خانواده های دیگه شامل Ronsomware، Scareeware، SMSmalware  انجام بشه

 بعد در نهایت یک فایل کلی می خواهم که همه اینها در اون باشه و الگوریتم ها با اون تست و تمرین داده بشه و نتایج رو داشته باشم و بتونم مقایسه کنم

 فایل های دیتاست بسیار بزرگتر از این هست که در این قسمت داده شوند بنابراین یک ایمیل بدهید تا بتوانم ارسال کنم

این پروژه شامل 2 فایل مهم است، لطفا قبل از ارسال پیشنهاد حتما نسبت به بررسی این فایل اقدام فرمایید.

مهارت ها و تخصص های مورد نیاز

---

---