Cel' ätoj knigi - razrabotat' model', kotoraq klassificiruet, qwlqetsq li opredelennyj web-sajt legitimnym ili wredonosnym, ispol'zuq metodologiü mashinnogo obucheniq, i opredelit', priwedet li uwelichenie nabora priznakow modeli k uwelicheniü ee proizwoditel'nosti. Awtory ispol'zowali tri raznyh sluchaq dlq sozdaniq optimal'noj modeli, kazhdyj iz kotoryh otlichaetsq kolichestwom priznakow, ispol'zuemyh w nabore dannyh. V perwom sluchae ispol'zowalsq bazowyj ili original'nyj nabor dannyh. Vo wtorom sluchae ispol'zowalsq rasshirennyj nabor priznakow. V rasshirennom nabore priznakow ispol'zowalsq algoritm wybora priznakow dlq sozdaniq nowogo nabora dannyh dlq tret'ego sluchaq. Dlq sozdaniq modelej ispol'zowalis' klassifikatory Random Forest, J48, C-SVC i kNN. Rezul'tat pokazal uwelichenie proizwoditel'nosti pri srawnenii modelej perwogo sluchaq so wtorym. Pri srawnenii modelej wtorogo sluchaq s modelqmi tret'ego znachitel'nyh izmenenij ne nablüdalos'. Issledowanie pokazalo, chto suschestwuet prqmo proporcional'naq zawisimost' mezhdu kolichestwom funkcij modeli i ee proizwoditel'nost'ü. Uwelichenie kolichestwa priznakow w nabore dannyh priwodit k uwelicheniü proizwoditel'nosti kazhdoj modeli.