kddcup99数据集预处理matlab,关于kddcup99取数据后，用svm算法跑后检测率依旧很高（95%以上...

本帖最后由 酥醉的飓风 于 2014-3-12 21:50 编辑

我已经建立好数据库，也已经把字符串update成数字，第42列属性显示normal的update成1，

其他的表示dos，probe，r2l，u2r的依次update成2，3，4，5；

随机取的时候，sql里用的newid()函数，sql语句如下：

select top 5100 * from [kddtest].[dbo].[kddcup.data] where [列 41]=1 order by newid();

select top 600 * from [kddtest].[dbo].[kddcup.data] where [列 41]=2 order by newid();

select top 800 * from [kddtest].[dbo].[kddcup.data] where [列 41]=3 order by newid();

select top 60 * from [kddtest].[dbo].[kddcup.data] where [列 41]=4 order by newid();

select top 120 * from [kddtest].[dbo].[kddcup.data] where [列 41]=5 order by newid();

我做的先是把normal分别和dos，probe，r2l，u2r的数据单独混合，然和其中一部分作为训练集，一部分作为测试集例如2500条normal数据和800条probe数据混合组成3300条总的数据，训练集2000(normal1500条，probe500条)，测试集1300(normal1000，probe300条)

svm程序如下：

clear all;close all;  clc;

%% probe

A=xlsread('C:\Users\HURRICANE\Desktop\kdd_all_data\kdd_all_data\kddprobe.csv');

B=xlsread('C:\Users\HURRICANE\Desktop\kdd_all_data\kdd_all_data\kddnormal.csv');

C=zeros(2000,42);

D=zeros(1300,42);

C(1:500,:)=A(1:500,:);

C(501:2000,:)=B(2001:3500,:);

D(1:300,:)=A(501:800,:);

D(301:1300,:)=B(3501:4500,:);

train_X=C(:,1:end-1);

train_label=C(:,end);

test_X=D(:,1:end-1);

test_label=D(:,end);

%% 归一化处理(一)

[train_x,PS]=mapminmax(train_X');

train_x=train_x';

test_x=mapminmax('apply',test_X',PS);

test_x=test_x';

model = svmtrain(train_label,train_x);

[predict_label,accurancy]=svmpredict(test_label,test_x,model);

检测率结果老是过高(也是98%多，这是没进行参数优化的)，而且运行n次，结果都相同的。我从数据库用同样的方法重取过数据，不过结果依然不理想。我用过一个乳腺癌的数据，每次运行的结果都是不同的，在一个数值小范围波动，结果比较理想，间接证明程序应该没问题。我现在怀疑去数据取得有问题，小弟已经查过各种资料，真的没辙了。。。。

求各路大神帮忙看一看，提点意见