我正在进行一个项目，我有一组用户按键时间数据。这意味着用户进行了n次尝试，我将使用这些记录的尝试时间数据在各种分类算法中，用于验证未来的用户尝试是用户本人还是其他人完成的登录过程。（简单来说，这属于生物识别技术）

我有用户登录尝试过程的三种不同时间，当然这是无限数据的一个子集。

到目前为止，这是一个简单的分类问题，我决定使用WEKA，但据我所知，我需要创建一些假数据来供分类算法使用。用户的测量尝试将标记为1，假数据将标记为0。

我可以使用一些优化算法吗？或者有什么方法可以创建这种假数据以最小化误报？

谢谢

回答：

有几种不同的方法可以解决这个问题。

收集负面示例 – 一个简单的解决方案是收集其他人的按键时间数据作为负面示例。如果你想以非常低的成本收集大量样本，例如以大约10美元的价格收集1000个样本，你可以使用像Amazon Mechanical Turk这样的服务。

也就是说，你可以创建一个人类智能任务（HIT），让人们输入随机的类似密码的序列。为了获取时间信息，你需要使用外部问题，因为常规问题的受限HTML不支持JavaScript。

使用生成模型 – 另一种方法是训练一个生成概率模型来模拟用户的按键行为。例如，你可以训练一个高斯混合模型（GMM）来模拟用户按键之间的延迟。

这样的模型将为你提供按键时间信息由特定用户生成的概率估计。你只需要设定一个阈值，确定时间信息的可能性达到什么程度才能认证用户。

使用一类SVM – 最后，一类SVM允许你仅使用正面示例来训练类似SVM的分类器。要在WEKA中学习一类SVM，如果使用的是v3.6版本，请使用LibSVM包装器。如果你使用的是最新的开发者版本，则有weka.classifiers.meta.OneClassClassifier。