Mouse-tracking-recognition

鼠标轨迹识别 for 2017年“中国高校计算机大赛—大数据挑战赛”（Big Data Challenge）

比赛详情：http://bdc.saikr.com/vse/bdc/2017

Task

利用人机验证过程中的鼠标轨迹数据、目标点坐标，将验证行为分为机器行为/人类行为的二分类问题。

Data Set

• 训练数据集
  • 3000条
  • 数据格式：编号id 鼠标轨迹(x,y,t) 目标点坐标(x,y) label:1 for 正常轨迹，0 for 机器轨迹
• 测试数据集
  • 10w条for初赛
  • 200w条for复赛
  • 数据格式：编号id 鼠标轨迹(x,y,t) 目标点坐标(x,y)  

Score

F = (5PR/(2P+3R)) * 100

=> beta^2= 2/3, 查准率更重要。

数据探索

• 可视化（由于主办方的开源协议，略去不表）
• 观察数据，提取特征
• 轨迹是否有回退
• 位置特征
• 速度特征
• 加速度特征
• 角度特征

Model Selection

• GBDT for 初赛

• 61 features

• 框架参数：

  • n_estimators: 50
  • subsample: 0.7
  • learning_rate: 0.01
  • loss: deviance

• 基学习器参数：

  • max_depth: 9
  • min_sample_split: 50
  • max_features: 15
  • min_sample_leaf:4

• RF for 复赛

• 42 features

• 参数：

  • 决策回归树颗数：100
  • max_features：30
  • threshold： 0.87（理由：模型召回率太低，提高门限来提高召回率）

最终结果

• 初赛：
  • Score：85.33
  • 排名：105/1222
• 复赛：
  • Score：60.78
  • 排名：85/104  

赛后思考

• 应该尝试stacking，进行model ensemble的==
• 应该找个队友一起玩的==
• 对模型的理解还不深入，应该考虑清楚的==