Typists को अलग बताएँ
यह क्यों मायने रखता है "आपकी typing आपको पहचानती है" एक डरावनी कहानी जैसा लगता है जब तक आप matcher ख़ुद न बनाएँ। इस lab में आप सिर्फ़ समय से 50 बनावटी typists को अलग बताएँगे, फिर एक सरल बचाव चालू करेंगे और मापेंगे कि वह कितना मदद करता है। आप यह जानते हुए ख़त्म करेंगे कि तरकीब कैसे काम करती है और उसे क्या कुंद करता है।
योजना, रोज़ के शब्दों में
50 लोगों को उनकी दस्तक से पहचानना सीखने की कल्पना करें। पहले आप हर व्यक्ति को चार बार दस्तक देते सुनते हैं और उनकी आम लय याद रखते हैं। फिर कोई दस्तक देता है और आप पूछते हैं: यह किसकी आम लय के सबसे क़रीब है? यही पूरा तरीका है।
Profile: एक व्यक्ति के आम बर्ताव का एक सार, यहाँ उनके समयों का औसत। जाने उदाहरणों से profiles बनाना enrolment कहलाता है।
Feature: एक संख्या जो एक उदाहरण का वर्णन करती है। features की एक सूची एक उलझे event (एक type किया वाक्यांश) को ऐसी चीज़ में बदलती है जिसकी code तुलना कर सके।
अभ्यास डेटा
अभ्यास दुनिया से typing_samples() आपको तय वाक्यांश keep it private type करने की कोशिशें देता है। हर कोशिश एक dict है:
{"typist": "T07",
"dwell": [96, 104, 88, ...], # 15 numbers, one per key, in milliseconds
"flight": [151, 130, 202, ...]} # 14 numbers, one per gap between keys
typists एक seeded generator से गढ़े गए हैं, मोटे तौर पर साधारण typing के आकार के। इसलिए आप जो accuracy मापते हैं वह बताती है कि आप इन typists को कितनी अच्छी तरह अलग करते हैं। असली अध्ययन लोगों, keyboards और टेक्स्ट के अनुसार नतीजों की एक चौड़ी सीमा रिपोर्ट करते हैं; हम असली दुनिया की accuracy के बारे में कोई दावा नहीं करते।
"कितना क़रीब" मापना
समयों की दो सूचियों की तुलना करने के लिए, जोड़ें कि वे हर स्थान पर कितनी दूर हैं, अंतर धनात्मक है या ऋणात्मक इसे नज़रअंदाज़ करते हुए। Python का abs() चिह्न हटाता है: abs(-7) 7 है। Python का zip(a, b) दो सूचियों पर साथ-साथ चलता है:
for x, y in zip([100, 150], [90, 170]):
print(x, y, abs(x - y)) # 100 90 10, then 150 170 20
तो यहाँ दूरी 10 + 20 = 30 है। एक छोटी दूरी का मतलब "ज़्यादा एक जैसा"।
बचाव: शोर
noise विकल्प हर समय में लगभग उतने milliseconds का रैंडम jitter जोड़ता है, वैसे जैसे एक निजता औज़ार पन्ने के देखने से पहले key events को छोटी रैंडम मात्राओं से देर कर सकता है। देखें कि यह आपकी accuracy पर क्या करता है, और सोचें कि यह type करने वाले व्यक्ति पर क्या करता: हर key पर 150 milliseconds की रैंडम देरी सुस्त लगती।
दूसरी भाषाओं में
JavaScript में दूरी और सबसे क़रीबी profile क़दम:
const distance = (a, b) => a.reduce((t, x, i) => t + Math.abs(x - b[i]), 0);
function identify(features, profiles) {
let best = null, bestDist = Infinity;
for (const [name, p] of Object.entries(profiles)) {
const d = distance(features, p);
if (d < bestDist) { best = name; bestDist = d; }
}
return best;
}और Rust में दूरी:
fn distance(a: &[f64], b: &[f64]) -> f64 {
a.iter().zip(b).map(|(x, y)| (x - y).abs()).sum()
}आपको क्या दिखना चाहिए
बिना शोर के, लगभग हर कोशिश सही typist से मिलती है। मध्यम शोर (50 ms) कुछ accuracy की क़ीमत लेता है, पर ज़्यादातर कोशिशें फिर भी मिलती हैं; भारी शोर (150 ms) accuracy को तेज़ी से नीचे लाता है। यह ईमानदार लेन-देन है: समय शोर मदद करता है, पर आपको छिपाने लायक शोर typing को भी बुरा महसूस कराता है। इस मॉड्यूल का आख़िरी पाठ उन बचावों को देखता है जो आपकी सुविधा की क़ीमत नहीं लेते।
सार
- Enrol: हर व्यक्ति के समयों का औसत एक profile में लें।
- पहचानें: सबसे छोटे कुल अंतर (दूरी) वाली profile चुनें।
- रैंडम समय शोर accuracy घटाता है, पर सिर्फ़ भारी शोर उसे बहुत घटाता है, और वह सुविधा की क़ीमत लेता है।
- बनाए typists पर accuracy generator का वर्णन करती है, असली लोगों का नहीं।
पाँच functions लिखें। features(sample) sample["dwell"] और उसके बाद sample["flight"] एक सूची के रूप में लौटाता है। distance(a, b) दोनों सूचियों पर साथ-साथ abs(x - y) का योग लौटाता है। build_profiles(samples) एक dict लौटाता है जो हर typist के नाम को उनकी feature सूचियों के स्थान-दर-स्थान औसत से जोड़ता है। identify(sample, profiles) वह नाम लौटाता है जिसकी profile की sample के features से सबसे छोटी दूरी है। accuracy(train, test) train से profiles बनाता है और test samples का वह हिस्सा लौटाता है जो identify सही पाता है (0 से 1 तक एक संख्या)। नीचे की printing पहले से लिखी है।
इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें
यह अभ्यास जल्द खुलेगा
इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।
यह ब्राउज़र learn.floati.life के लिए कुकी रोक रहा है, इसलिए यहाँ पूरे किए गए पाठ क्रम से नहीं खुल सकते। इस साइट के लिए कुकी की अनुमति दें और फिर से लोड करें।