Virus-MNIST：用于图像分类的机器学习基线计算
机器学习
2021-11-04 v1
摘要
Virus-MNIST 数据集是一种缩略图图像集合，风格类似于无处不在的 MNIST 手写数字。然而，这些图像是通过将可能的恶意代码重塑为图像数组而生成的。自然地，它准备在恶意代码分类器模型训练的进展基准测试中发挥作用。其中存在十种类型：九种归类为恶意软件，一种为良性。粗略检查揭示了在选择分类与预处理方法时必须考虑的不等类种群及其他关键方面。探索性分析显示了从聚合度量（例如像素中值）中可识别的特征，以及通过识别强相关性来减少特征数量的方法。模型比较显示 Light Gradient Boosting Machine、Gradient Boosting Classifier 与 Random Forest 算法产生了最高的准确率分数，从而展现出深入研究的潜力。
关键词
引用
@article{arxiv.2111.02375,
title = {Virus-MNIST: Machine Learning Baseline Calculations for Image Classification},
author = {Erik Larsen and Korey MacVittie and John Lilly},
journal= {arXiv preprint arXiv:2111.02375},
year = {2021}
}
备注
11 pages, 13 figures, 2 tables