kddcup99

• বর্ণনা :

এটি তৃতীয় আন্তর্জাতিক জ্ঞান আবিষ্কার এবং ডেটা মাইনিং সরঞ্জাম প্রতিযোগিতার জন্য ব্যবহৃত ডেটা সেট, যা KDD-99 জ্ঞান আবিষ্কার এবং ডেটা মাইনিং-এর পঞ্চম আন্তর্জাতিক সম্মেলনের সাথে একযোগে অনুষ্ঠিত হয়েছিল। প্রতিযোগিতার কাজটি ছিল একটি নেটওয়ার্ক ইনট্রুশন ডিটেক্টর তৈরি করা, একটি ভবিষ্যদ্বাণীমূলক মডেল যা 'খারাপ' সংযোগগুলির মধ্যে পার্থক্য করতে সক্ষম, যাকে অনুপ্রবেশ বা আক্রমণ বলা হয় এবং 'ভাল' স্বাভাবিক সংযোগ। এই ডাটাবেসে নিরীক্ষা করার জন্য ডেটার একটি মানক সেট রয়েছে, যার মধ্যে সামরিক নেটওয়ার্ক পরিবেশে অনুকরণ করা বিভিন্ন ধরণের অনুপ্রবেশ অন্তর্ভুক্ত রয়েছে।

• অতিরিক্ত ডকুমেন্টেশন : north_east কোড সহ কাগজপত্রে অন্বেষণ করুন

• হোমপেজ : https://kdd.ics.uci.edu/databases/kddcup99/kddcup99.html

• সোর্স কোড : tfds.datasets.kddcup99.Builder

• সংস্করণ :

  • 1.0.0 : প্রাথমিক প্রকাশ।
  • 1.0.1 (ডিফল্ট): বুলিয়ান ফিল্ড land , logged_in , root_shell , is_hot_login এবং is_guest_login এর পার্সিং সংশোধন করে।

• ডাউনলোড আকার : 18.62 MiB

• ডেটাসেটের আকার : 5.25 GiB

• স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): না

• বিভাজন :

• বৈশিষ্ট্য গঠন :

FeaturesDict({
    'count': int32,
    'diff_srv_rate': float32,
    'dst_bytes': int32,
    'dst_host_count': int32,
    'dst_host_diff_srv_rate': float32,
    'dst_host_rerror_rate': float32,
    'dst_host_same_src_port_rate': float32,
    'dst_host_same_srv_rate': float32,
    'dst_host_serror_rate': float32,
    'dst_host_srv_count': int32,
    'dst_host_srv_diff_host_rate': float32,
    'dst_host_srv_rerror_rate': float32,
    'dst_host_srv_serror_rate': float32,
    'duration': int32,
    'flag': ClassLabel(shape=(), dtype=int64, num_classes=11),
    'hot': int32,
    'is_guest_login': bool,
    'is_hot_login': bool,
    'label': ClassLabel(shape=(), dtype=int64, num_classes=40),
    'land': bool,
    'logged_in': bool,
    'num_access_files': int32,
    'num_compromised': int32,
    'num_failed_logins': int32,
    'num_file_creations': int32,
    'num_outbound_cmds': int32,
    'num_root': int32,
    'num_shells': int32,
    'protocol_type': ClassLabel(shape=(), dtype=int64, num_classes=3),
    'rerror_rate': float32,
    'root_shell': bool,
    'same_srv_rate': float32,
    'serror_rate': float32,
    'service': ClassLabel(shape=(), dtype=int64, num_classes=71),
    'src_bytes': int32,
    'srv_count': int32,
    'srv_diff_host_rate': float32,
    'srv_rerror_rate': float32,
    'srv_serror_rate': float32,
    'su_attempted': int32,
    'urgent': int32,
    'wrong_fragment': int32,
})

• বৈশিষ্ট্য ডকুমেন্টেশন :

• তত্ত্বাবধান করা কী (দেখুন as_supervised doc ): None

• চিত্র ( tfds.show_examples ): সমর্থিত নয়।

• উদাহরণ ( tfds.as_dataframe ):

• উদ্ধৃতি :

@misc{Dua:2019 ,
  author = "Dua, Dheeru and Graff, Casey",
  year = 2017,
  title = "{UCI} Machine Learning Repository",
  url = "http://archive.ics.uci.edu/ml",
  institution = "University of California, Irvine, School of Information and
Computer Sciences"
}