首先，一些分类的基础知识（以及一般任何有监督的 ML 任务），只是为了确保我们有相同的概念集。

任何有监督的 ML 算法都至少包含 2 个组件：

1. 要训​​练和测试的数据集。
2. 处理这些数据的算法。

训练数据集由一组对组成(x, y)，其中x是特征向量，是y预测变量。预测变量正是您想知道的，即在您的情况下它是异常类型。功能更棘手。您不能只将原始文本放入算法中，您需要先提取其中有意义的部分并将它们组织为特征向量。您已经提到了几个有用的特性——异常类名称（例如com.acme.PrintException）和包含的单词（“Timeout”）。您只需将行异常（和人工分类的异常类型）转换为合适的数据集，例如：

ex_class                  contains_timeout  ...   | ex_type
-----------------------------------------------------------
[com.acme.PrintException, 1                , ...] | Availability
[java.lang.Exception    , 0                , ...] | Network
 ...

这种表示对于 ML 算法来说已经好得多了。但是拿哪一个呢？

考虑到任务的性质和您当前的方法，自然选择使用决策树。此类算法将为您的所有异常类型计算最佳决策标准并打印出结果树。这特别有用，因为您将有可能手动检查决策是如何做出的，并查看它与您手动制定的规则的对应程度。

然而，一些具有完全相同特征的异常可能属于不同的异常类型。在这种情况下，概率方法可能效果很好。尽管它的名字，朴素贝叶斯分类器在大多数情况下工作得很好。但是，NB 和我们的数据集表示存在一个问题：数据集包含分类变量，而朴素贝叶斯只能使用数字属性*。克服这个问题的标准方法是使用虚拟变量。简而言之，虚拟变量是简单地指示特定类别是否存在的二元变量。例如，ex_class具有值{com.acme.PrintException, java.lang.Exception, ...}等的单个变量可能会拆分为多个变量ex_class_printexception，ex_class_exception等具有值{0, 1}：

ex_class_printexception  ex_class_exception  contains_timeout | ex_type
-----------------------------------------------------------------------
[1,                    , 0                 , 1              ] | Availability
[0,                    , 1                 , 0              ] | Network

最后一种尝试的算法是支持向量机 (SVM)。它既不提供有用的可视化，也不提供概率，但通常会提供出色的结果。

* - 事实上，贝叶斯定理和朴素贝叶斯本身都没有说明任何关于变量类型的内容，但大多数想到的软件包都依赖于数值特征。