Ещё в начале планирования проекта я решил, что не буду делать его слишком замороченным. Это первый проект, у меня ровно месяц, мне нужно что-то простое и дающее опыт, задача в проекте на классификацию, поэтому выбор пал на алгоритмы: - логистическая регрессия - дерево решений

🔀Логистическая регрессия - алгоритм машинного обучения для решения задач классификации. Если линейная регрессия представляется, как линейная комбинация взвешенных признаков, то логистическая регрессия берёт результат этой комбинации и пропускает через логистическую функцию - сигмоиду. Таким образом, алгоритм оценивает вероятность принадлежности наблюдения к определённому классу.

🪾Дерево решений - алгоритм машинного обучения для задач классификации и регрессии. Этот алгоритм интуитивно очень понятен и имеет простую структуру: - Имеется корень, который делит датасет на две части по некоторому условию. Например, по погоде за окном: дождливая или солнечная; - От корня данные идут к внутренним узлам - следующим условным выражениям, производящим дальнейшее деление данных к узлам или листьям. Например, температура выше 20° или нет; - Листья - конечные вершины дерева, после которых нет дальнейшего деления. Листья уже содержат ответ в виде определенного класса (для классификации) или числа (для регрессии).

В моём проекте логистическая регрессия и дерево решения использовались для задачи многоклассовой классификации. Нужно было определить принадлежность запроса к одному из классов: Normal, BotAttack или PortScan.