数据挖掘与机器学习
-
数据挖掘:识别大量数据中的模式,从这些模式中提取有用的信息的过程。数据挖掘基于可能已经确定关系的现实数据。
机器学习:开发人工智能的一种方法。机器学习算法用于开发新算法和技术,使机器自身能够从分析的数据或者经验中学习。 -
SpamAssassin用于检测垃圾邮件,能够从分析的样本数据和经验(也就是生成的电子邮件数据库)中学习。
1.执行不同类型的测试
2.使用多种适用于电子邮件标题和内容的统计算法
3.用模块优化方法开发
SpamAssassin的特性
-
共同特性
1.基于机器学习技术,性能随经验而增长
2.适用于广泛的本地和网络电子邮件测试
3.大部分代码保存在纯文本文件中
4.可以从互联网上下载,易访问
5.包含了一个API接口,可简单使用其应用的内建类和函数
6.易配置 -
工作原理:计算入站电子邮件的权重
权重>某个阈值→垃圾邮件
权重≤某个阈值→有效邮件 -
测试的样本数据越多,精确识别度越高,测试大量样本时会自动生成新的规则
主要测试方式:
1.邮件头测试
2.邮件体短语测试
3.贝叶斯过滤器
4.自动化的地址白名单黑名单
5.手工设定的地址白名单黑名单
6.协作式的垃圾邮件识别数据库
7.DNS Blocklists
8.字符集与本地化 -
在能源行业中,机器学习常用于测试负载需求,还可以预测隔日的产品价格。负载需求预测的结果可以与能源分配系统集成,作为附加约束,确保能源的顺畅供应。通过添加惩罚项(即加上或者减去某个值,平衡偏差)以预防特定节点能源消耗的偏差,提高系统的精度。
-
知识检测点2
下面哪一个SpamAssassin特性使得它很容易与其他应用一起使用?
a.基于机器学习技术
b.适用于广泛的本地和网络邮件测试,以识别垃圾邮件
c.包含API接口
d.很容易配置