手机玩游戏，真率很高，主要依靠于什么。

手机玩游戏真率很高，主要依靠于以下几个因素：

1. 便携性：手机可以随时随地携带，玩家可以在任何时间、任何地点进行游戏。

2. 网络连接：手机可以随时随地连接互联网，玩家可以随时与其他玩家进行在线游戏。

3. 简单易用：手机游戏的操作简单易上手，不需要复杂的控制方式，让玩家更容易上瘾。

4. 社交互动：很多手机游戏都提供了社交互动功能，玩家可以和其他玩家交流、组队、竞技等，增加了游戏的趣味性和互动性。

5. 免费或低成本：很多手机游戏都是免费或者价格低廉，玩家可以不用花费太多钱就可以享受游戏乐趣。

相关问题

什么是拒真率跟认假率？

拒真率（False Rejection Rate，FRR）是指在身份验证系统中，将一个合法的用户错误地识别为非法用户的概率。而认假率（False Acceptance Rate，FAR）则是指将一个非法用户错误地识别为合法用户的概率。这两个指标都是衡量身份验证系统准确性的重要指标，通常需要在实际应用中进行平衡调整。

认假率和拒真率计算，详细举例

好的，关于认假率和拒真率的计算，一般我们使用混淆矩阵（confusion matrix）的方式。假设有一个分类器，需要区分两个类别：正类和负类。

混淆矩阵有四个元素：真正类（True Positive，TP），真负类（True Negative，TN），假正类（False Positive，FP）和假负类（False Negative，FN）。

真正类（True Positive，TP）：指分类器正确地将正例样本识别为正例样本的数量。

真负类（True Negative，TN）：指分类器正确地将负例样本识别为负例样本的数量。

假正类（False Positive，FP）：指分类器将负例样本错误地识别为正例样本的数量。

假负类（False Negative，FN）：指分类器将正例样本错误地识别为负例样本的数量。

认假率（False Acceptance Rate，FAR）：指分类器错误地将负例样本识别为正例样本的比例，计算方式为 FP / (FP + TN)。

拒真率（False Rejection Rate，FRR）：指分类器错误地将正例样本识别为负例样本的比例，计算方式为 FN / (TP + FN)。

举例说明：假设有1000个人需要进行身份验证，其中950个人为合法用户，50个人为非法用户。我们使用一种身份验证系统进行验证，结果验证结果如下：

- 对于合法用户，正确地识别了945个人，错误地拒绝了5个人。
- 对于非法用户，错误地识别了2个人，正确地拒绝了48个人。

根据混淆矩阵，我们可以得到如下计算结果：

- TP = 945
- TN = 48
- FP = 2
- FN = 5

根据计算公式，我们可以得到认假率（FAR）= 2 / (2 + 48) = 0.04，拒真率（FRR）= 5 / (945 + 5) = 0.005。

所以，这个身份验证系统的认假率为4%，拒真率为0.5%。