《表5 特征评估实验结果(%)》
本文在特征选取方面,采用了手工特征与统计特征相结合的方式。为进一步对比本文提取的14个手工特征以及featuretools工具自动提取的86个统计特征,在以太坊恶意账户检测方法中的有效性,实验探寻不同维度特征对分类结果的影响,基于分类效果较优的Light GBM模型,分别使用手工特征、统计特征及两者的融合特征进行实验,结果如表5所示。
图表编号 | XD00175829900 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) |