机构名称：
¥ 1.0
本文的主要目标是使用机器学习方法根据用户的击键动态确定用户。这种问题可以表述为分类任务。为了解决这个任务，采用了四种监督机器学习方法，即逻辑回归、支持向量机、随机森林和神经网络。三个用户中的每一个都输入了 600 次包含 7 个符号的相同单词。数据集的行由 7 个值组成，这些值是按下特定键的时间段。基本真值是用户 ID。在应用机器学习分类方法之前，将特征转换为 z 分数。获得了每种应用方法的分类指标。确定了以下参数：精度、召回率、f1 分数、支持度、预测和受试者工作特征曲线下面积 (AUC)。获得的 AUC 分数相当高。在线性回归分类器的情况下，获得了最低的 AUC 分数，等于 0.928。在神经网络分类器的情况下，AUC 分数最高。与神经网络方法相比，支持向量机和随机森林方法的结果略低。准确率、召回率和 F1 分数也呈现出同样的模式。尽管如此，获得的分类指标在每种情况下都相当高。因此，机器学习方法可有效地用于根据击键模式对用户进行分类。解决此类问题最推荐的方法是神经网络。
ACS 模板
主要关键词
相关文件推荐
