使用 LIBSVM 预测用户的真实性

Posted 2023-03-12

【中文标题】使用 LIBSVM 预测用户的真实性

【英文标题】：Using LIBSVM to predict authenticity of the user

【发布时间】：2011-07-12 22:33:42

【问题描述】：

我计划使用 LibSVM 来预测 Web 应用程序中的用户真实性。 (1) 收集特定用户行为的数据（例如登录时间、IP 地址、国家等） (2) 使用 Collected Data 训练 SVM (3) 使用实时数据比较并生成真实性级别的输出

有人能告诉我如何用 LibSVM 做这样的事情吗？ Weka 可以帮助解决这些类型的问题吗？

【问题讨论】：

是的，Weka 可以提供帮助，因为它可以让您探索机器学习。你有这方面的经验吗？

我在这方面不是很有经验.. 但是.. 谁能告诉我我需要在这里做什么？在执行此类任务时可能需要执行哪些步骤？

【参考方案1】：

您提到的三个步骤是解决方案的概要。更详细一点：

确保您获得大量标记数据，即带有真实/非真实注释的行为日志。 （如果没有标记数据，您将进入相当高级的半监督学习领域，或者必须考虑其他解决方案。） 根据您认为可以很好地预测真实性的数据设计许多功能。尝试该方法并对其进行改进，直到它在某些统计标准上足够好为止。使用ten-fold cross validation 确保您没有过度拟合。 LibSVM 可以输出概率估计及其答案；请参阅其manual 的第 8 节。

【讨论】：

LibSVM 可以输出概率估计（使用标志 -b 1 运行）

所以.. 只是为了澄清.. 概率估计是捕获实例的程度（我说的只是 1 个实例）匹配用于训练的实例？或者在这种情况下当前用户成为合法用户的概率？

它是对每个类别（真实或非真实）被分类实例属于该类别的概率的估计。

@ruwanego：如果这回答了您的问题，请点击我帖子旁边的复选标记。这被认为是出于礼貌，如果您不接受答案，下次人们将不太愿意帮助您。

完成！.. 并且.. 我想在一个文件中表示上述数据以输入到 LibSVM。我应该如何格式化文件？我在哪里可以找到关于 LibSVM 输入格式示例的好教程？