Comparación en términos de precisión predictiva de tres algoritmos de aprendizaje supervisado aplicado a la detección de sitios Phishing haciendo uso de la librería Scikit-Learn
Definir la base teórica para justificar el conjunto de características efectivas para entrenar un modelo de Machine Learning capaz de clasificar sitios web phishing, así calcular las medidas de rendimiento de los modelos de predicción Árbol de Decisión C4.5, Clasificador Naive Bayes y red neuronal,...
| Autor Principal: | Pineda Arévalo, Rodrigo |
|---|---|
| Formato: | Tesis |
| Idioma: | Español |
| Publicado: |
2021
|
| Materias: | |
| Acceso en línea: |
http://www.repositorio.usac.edu.gt/18469/ http://www.repositorio.usac.edu.gt/18469/ http://www.repositorio.usac.edu.gt/18469/1/Rodrigo%20Pineda%20Ar%C3%A9valo.pdf |
| Sumario: |
Definir la base teórica para justificar el conjunto de características efectivas para entrenar un modelo de Machine Learning capaz de clasificar sitios web phishing, así calcular las medidas de rendimiento de los modelos de predicción Árbol de Decisión C4.5, Clasificador Naive Bayes y red neuronal, y determinar cuál es el más preciso en la clasificación de sitios web Phishing utilizando un data set con más de dos mil cuatrocientos registros. |
|---|