模型训练与验证

朴素贝叶斯算法

DGA样本格式如图，DGA数据的读取方式如下，读取文本文件，以制表符作为分隔符，读取第1列，由于前18行是注释内容，使用skiprows参数直接跳过前18行：

为了便于在普通电脑上运行相关程序，Alexa和DGA的样本都取前10000个。

把域名当做一个字符串，使用N-Gram建模，以2-Gram为例，把baidu.com进行建模，接下来向量化，输出词汇表。

使用CountVectorizer进行转换即可，其中ngram_range设置为（2,2），表明使用2-Gram，token_pattern设置为‘\w’,表明是按照字符切分：

支持向量机算法：使用支持向量机算法，特征提取使用词袋模型，完整的处理流程如图 6-7所示。

1.将Enron-Spam数据集的文件提取词袋；

2.随机划分为训练集和测试集；

3.使用支持向量机算法在训练集上训练，获得模型数据；

4.使用模型数据在测试集上进行预测；

5.验证支持向量机算法预测效果。

实例化支持向量机算法，在训练集上训练并在测试集上预测：