ارائه روشی کارا برای شناسایی کاربران دستگاه های دیجیتالی مختلف با استفاده از الگوریتم Xgboost بهبو د یافته

در این تحقیق روش XGBoost بهبود یافته را برای تشخیص کاربران در میان دستگاه های دیجیتالی مختلف معرفی کرده و سپس به اعمال آن بر روی دادگان پرداخته و با نتایج الگوریتم های درخت تصمیم، ماشین بردار پشتیبان و K نزدیک ترین همسایگان مقایسه کردیم. با آزمایشات متوالی و متفاوت به این اثبات می کنیم که تعداد برگ های 200 و تعداد درختان 1000 بهترین نتیجه را که عدد 99.94 است می دهد. این نتیجه در زمان 5439.26 ثانیه بدست می آید. الگوریتم پیشنهادی در زمان نسبت به الگوریتم های دیگری که بررسی کردیم بسیار بیشتر بوده و کیفیت بدی از خود نشان می دهد. اما اهمیت این الگوریتم در دقت اجرا و تشخیص آن است، تشخیصی نزدیک به تشخیص دقیق و 100 درصد به هر تعداد داده ورودی نتیجه این پژوهش است. این الگوریتم پیشنهادی به خوبی نشان می دهد که در صورت اجرای آفلاین که نیازی به سرعت نیست، به خوبی می تواند نتایج موثقی ارائه کند.

Keywords:

درخت تصمیم , شناسایی کاربران , دسته بندی , Xgboost