爲分類問題生成假數據的最佳方法是什麼？

Question

我正在一個項目上工作，我有一個用戶的關鍵筆劃時間數據的子集。這意味着用戶進行n次嘗試，我將在各種分類算法中使用這些記錄的嘗試時間數據，以便將來用戶嘗試驗證登錄過程是由用戶還是其他人完成的。 （只要我可以說，這是生物測定）

我有用戶登錄嘗試過程的3周不同時間着，當然這是無限數據的子集。

直到現在它是一個簡單的分類問題，我決定使用WEKA，但據我瞭解，我必須創建一些假數據來支持分類算法。用戶測得的嘗試次數爲1，假數據將爲0

我可以使用一些優化算法嗎？或者有什麼辦法來創建這個假數據來獲得最小的誤報？

謝謝

Answer 1

有幾種不同的方法可以解決這個問題。

收集否定示例 - 一個簡單的解決方案是收集其他人的擊鍵計時數據，這些數據可能被用作反面示例。如果你想收集很大的樣本非常便宜，如約1000樣本約10美元，你可以使用像Amazon Mechanical Turk服務。

也就是說，你可以放在一起具有人樣序列的隨機密碼，輸入一個人的智力任務（HIT）。要獲取計時信息，您需要使用External Question，因爲常規問題的受限HTML不支持JavaScript。

使用生成模型 - 或者，您可以爲用戶的擊鍵行爲訓練生成概率模型。例如，您可以訓練一個Gaussian mixture model (GMM)到用戶在擊鍵之間的延遲。

這樣的模型給你的擊鍵定時信息的概率估計由特定用戶產生。然後，您只需設置時間信息應該有多大的可能性以便用戶進行身份驗證。

使用單類支持向量機 - 最後，1-class SVMs允許您僅使用正例對類支持向量機進行訓練。 To learn one-class SVMs in WEKA，如果您使用的是v3.6，請使用LibSVM封裝器。如果您使用的是最新的開發版本，則有weka.classifiers.meta.OneClassClassifier。