Применение методов машинного обучения в компьютерных сетях
Аннотация
Цель данной работы – обучение моделей для дальнейшего использования в составе программно-определяемых коммуникационных инфраструктур.
В работе проводились исследования поведения информационно-коммуникационных инфраструктур при передаче трафика VoIP при применении приложений QoS.
Для построения моделей поведения информационно-коммуникационных инфраструктур использовались и сравнивались регрессионные алгоритмы из библиотек Scikit-learn и XGBoost: LinearRegression, DecisionTreeRegressor, RandomForestRegressor и XGBRegressor; кроме того, были созданы модели на основе нейронных сетей, построенных с помощью библиотеки Pyrenn. Для обучения моделей применялись исходные и нормализованные данные мониторинга состояния информационно-коммуникационной инфраструктуры при передаче композитного (служебного и VoIP) трафика в общем канале.
Наилучшей моделью поведения информационно-коммуникационных инфраструктур из рассмотренных была определена модель XGBRegressor. Коэффициент детерминации R2 для модели, обученной на данных без применения приложений QoS составил 0,371 для исходных данных и 0,402 для нормализованных данных, а для модели, обученной на данных с применением приложений QoS – 0,156 для исходных данных и 0,315 для нормализованных данных.
В работе проводились исследования поведения информационно-коммуникационных инфраструктур при передаче трафика VoIP при применении приложений QoS.
Для построения моделей поведения информационно-коммуникационных инфраструктур использовались и сравнивались регрессионные алгоритмы из библиотек Scikit-learn и XGBoost: LinearRegression, DecisionTreeRegressor, RandomForestRegressor и XGBRegressor; кроме того, были созданы модели на основе нейронных сетей, построенных с помощью библиотеки Pyrenn. Для обучения моделей применялись исходные и нормализованные данные мониторинга состояния информационно-коммуникационной инфраструктуры при передаче композитного (служебного и VoIP) трафика в общем канале.
Наилучшей моделью поведения информационно-коммуникационных инфраструктур из рассмотренных была определена модель XGBRegressor. Коэффициент детерминации R2 для модели, обученной на данных без применения приложений QoS составил 0,371 для исходных данных и 0,402 для нормализованных данных, а для модели, обученной на данных с применением приложений QoS – 0,156 для исходных данных и 0,315 для нормализованных данных.