修改階段 2 的訓練集

階段 2 對於所有剩餘的發現項目，採用監督式機器學習技術，以決定對於發現項目是否可採取動作。

IFA 階段 2 採用的機器學習使用訓練集來建置分類模型。然後，此模型可用來預測四種分類之一，如下所示：
    • 高度可採取動作
    • 中度可採取動作
    • 低度可採取動作
    • 不受關注

IFA 階段 2 指派介於 0 和 1 的預測值給每一個分類，此值代表機器根據此訓練集而正確分類的機率。然後，系統會查看每一個發現項目的每一個分類算出的機率，並選取算出最高機率來選擇回應。

透過手動將新的評量分類，讓訓練集「學習」。IFA 會依優先順序使用下列演算法，以讀取評量檔中的分類：
  • 附註
    • 1=高
    • 2=中
    • 3=低
    • 4=不受關注
  • 已修改的嚴重性
    • 高=高
    • 中=中
    • 低=低
    • 參考資訊=不受關注
  • 嚴重性
    • 高=高
    • 中=中
    • 低=低
    • 參考資訊=不受關注
  • 已排除的發現項目=不受關注

基本上，嚴重性會調整為適合分類的值，因為這是最簡單的途徑。認為不受關注的任何發現項目都可排除，這些發現項目將會被當成不受關注的發現項目而套用至訓練集。

訓練評量全部儲存在這裡：

<data_dir>\ml\spark\train
其中 <data_dir> 是您的 AppScan® 來源 程式資料的位置，如安裝和使用者資料檔案位置中所述。

只要有修改出廠集或新增評量，就會引起 IFA 重建預測模型。請重新啟動伺服器，以利用更新後的訓練集。