# ML-Assignment-3 **Repository Path**: kute1654/ML-Assignment-3 ## Basic Information - **Project Name**: ML-Assignment-3 - **Description**: No description available - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2025-11-20 - **Last Updated**: 2025-11-20 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # Assignment 3: 网络入侵检测分类任务 (XGBoost) [![Python](https://img.shields.io/badge/Python-3.8-blue.svg)](https://www.python.org/) [![License](https://img.shields.io/badge/License-Educational-green.svg)](https://www.guangmingai.com/chat/LICENSE) **📅 截止日期：11月30日** | **🏆 [查看实时排行榜](http://101.132.193.95:3000/)** --- ## 📋 任务概述 > **核心目标**：基于网络流量特征，从零实现并优化 **XGBoost** 算法，完成入侵检测二分类任务（正常流量 vs 攻击流量）。 ### 🎯 核心挑战 1. **算法实现**：从零实现梯度提升 (Gradient Boosting) 算法逻辑。 2. **精度达标**：模型 ROC-AUC 必须达到 **0.98** 以上。 3. **工程优化**：在保证高精度的前提下，通过并行化、算法剪枝等手段极致优化 **训练与推理速度**。 ### 📤 强制提交要求: 1. 必须通过「水杉平台」提交，未在该平台提交或提交超时视为无效 2. 水杉平台每人只能使用12小时 --- ## 📂 文件结构与任务清单 ### 1. 我提供的基础框架 | 文件名 | 说明 | | :--- | :--- | | **`model.py`** | 当前仅包含一个简单的逻辑回归模型 (Baseline)。**你需要在此处重写代码。** | | **`solution.py`** | 包含 `fit` (训练) 和 `forward` (推理) 接口，负责数据预处理和模型调用。 | | **`evaluate_local.py`** | 非提交程序，仅用于展示评测框架内部逻辑。 | | **`evaluate_linux`** | 计算 ROC-AUC 和 Latency，并将结果提交至服务器。 | | **`*.csv`** | `train.csv` (训练数据)，`test_local.csv`(本地测试) _和 `encrypt_test.csv` (加密测试数据)。 | ### 2. 你需要完成的工作 * **✨ 实现 XGBoost 模型** * 修改 `model.py`，用 **XGBoost (eXtreme Gradient Boosting)** 算法替换现有的逻辑回归。 * **✨ 适配 Solution 接口** * 修改 `solution.py`，确保 `fit` 和 `forward` 能正确驱动你的 XGBoost 模型。 * **✨ 性能调优 (关键)** * 确保 **ROC-AUC ≥ 0.98**。 * 应用并行计算、直方图优化等技巧，缩短训练和推理时间以获取高分。 * **✨ 提交与冲榜** * 运行 `evaluate-linux` 进行测试和自动提交。 --- ## 📈 评分标准 (总分 20分) 本次作业总分为 20 分。评分核心逻辑是：**在满足精度门槛 (AUC ≥ 0.98) 的前提下，根据运行效率 (Latency) 动态定分**。 ### 1️⃣ Latency 计算方式 为了综合考量算法的训练效率与线上推理能力，**Latency** 定义为训练时间和测试时间的**几何平均数**（越低越好）： $$\text{Latency} = \sqrt{\text{Training Time} \times \text{Testing Time}}$$ * **Training Time**: `fit()` 函数的完整运行时间。 * **Testing Time**: 完成所有测试样本 `forward()` 推理的总时间。 ### 2️⃣ 详细得分规则 我们将统计所有 **达标 (AUC≥0.98)** 提交的 Latency，计算出 **前10%分位数 (P10)** 作为满分基准线。 | 场景 | 条件说明 | 最终得分 | | :--- | :--- | :--- | | **1** | ROC-AUC < 0.98 | **6 分** | | **2** | AUC ≥ 0.98 且 Latency ≤ P10 | **20 分** | | **3** | AUC ≥ 0.98 且 P10 < Latency ≤ 4×P10 | **6 ~ 20 分** | | **4** | AUC ≥ 0.98 且 Latency > 4×P10 | **6 分** | #### 🧮 线性插值公式 当你的速度处于 *2* 区间 ($P10 < Latency \le 2 \times P10$) 时，得分计算如下： $$ \text{Total Score} = 6 + 14 \times \left( 1 - \frac{\text{Latency} - P10}{P10} \right) $$ > **💡 策略提示**： > * **精度第一**：若 AUC 不达标，无论多快都只有 6 分。 > * **速度决胜**：一旦 AUC 达标，分数完全取决于 Latency。若速度慢于基准线的 2 倍，即便精度很高也只能拿 6 分。 --- ## ⚙️ 环境与运行指南
### 1. 安装依赖 推荐使用 Conda 管理环境： ```bash conda create -n ML python=3.8 conda activate ML ```` ### 2\. 设置环境变量 (必须) 在运行代码前，请根据你的系统设置个人身份信息。 **🐧 Linux/macOS:** ```bash export STUDENT_ID='你的学号' export STUDENT_NAME='你的姓名' export STUDENT_NICKNAME='你的昵称' export MAIN_CONTRIBUTOR='AI' ``` **🪟 Windows PowerShell:** ```powershell $env:STUDENT_ID="你的学号" $env:STUDENT_NAME="你的姓名" $env:STUDENT_NICKNAME="你的昵称" $env:MAIN_CONTRIBUTOR="human" ``` ### 3\. 运行评测 **本次作业仅在水杉平台提交** ```bash chmod +x evaluate-linux ./evaluate-linux ``` **✅ 成功运行示例:** ```text Training... Training completed in 5.23s Testing... ================================================== Training Time: 5.23s Testing Time: 0.45s Latency: 1.53s <-- 计算方式：sqrt(5.23 * 0.45) ROC-AUC: 0.9850 <-- 必须 >= 0.98 ================================================== Submitting to leaderboard... Submission successful! ``` ----- ### 🎉 Good Luck\! **请在截止日期前提交你的最佳优化版本！** Made with ❤️ for Machine Learning Education