《表3 模型分类性能(%)》
在评估指标的基础上,为验证Light GBM模型在以太坊恶意账户检测任务中的有效性,实验将融合特征f作为模型输入,采用10倍交叉验证,对比K最近邻(K-Nearest Neighbor,KNN)、逻辑回归(Logistic Regression,LR)、支持向量机(Support Vector Machine,SVM)、随机森林(Random Forest,RF)、自适应提升(Adaptive Boosting,Ada Boost)和Light GBM等6种不同模型的分类性能。模型对比实验结果如表3和图2所示。
图表编号 | XD00175829800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.10 |
作者 | 边玲玉、张琳琳、赵楷、石飞 |
绘制单位 | 新疆大学信息科学与工程学院、新疆大学网络空间安全学院、新疆大学信息科学与工程学院、新疆大学网络空间安全学院、新疆大学信息科学与工程学院、新疆大学网络空间安全学院、新疆大学信息科学与工程学院、新疆大学网络空间安全学院 |
更多格式 | 高清、无水印(增值服务) |