基于决策树的webshell检测，k-近邻算法是基于实例的学习，使用算法时我们必须有接近实际数据的训练样本数据，k-近邻算法必须报错全部数据集，如果训练数据集的很大必须使用大量的存储空间，此外，由于必须对数据集中的每个数据计算距离，实际使用可能非常耗时k-近邻算法的另一个缺陷时它无法给出任何数据的基础结构信息，因此我们也无法知晓平均实例样本和典型实例样本具有什么特征。决策树也是最经常使用的数据挖掘算法决策树的优势在于数据形式非常容易理解决策树的一个重要任务时为了数据中所蕴含的知识信息，因此决策树可以使用不熟悉的数据集合，并从中提取出一系列规则决策树优点：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感可以处理不相关特征数据缺点：