机器学习检测随机串

Question

如果有类似的东西被贴出来，我会提前道歉，但从我所做的研究中，我找不到任何具体的东西。在

我目前正在查看http://scikit-learn.org，这里的内容看起来很不错，但是我不知道应该使用什么类型的类型来解决我的问题。在

我想能够有2个标签。在

**Suspicious**  
1hbn34uqrup7a13t
qmr30zoyswr21cdxolg
1qmqnbetqx

**Not-Suspicious**
cheesemix
reg526
animato12

什么类型的机器学习算法，我可以输入上面的数据，以教它什么是我认为可疑的，通过监督学习？在

我倾向于分类，但有太多的模式可供选择，从我略显失落。在

Answer 1

这类机器学习问题的第一步是思考“特征”。你不能直接在这些字符串上使用线性分类器。因此，您必须提取一些有意义的特征来描述字符串。在计算机视觉中，这些特征通常是边缘、角点、筛选特征。基本上你必须选择：

1. 设计特色。在
2. 了解功能。在

1）这是“经典”的机器学习方法：您可以手动设计一个代表性特征的列表，您可以从输入数据中提取这些特征。在你的情况下，你可以从

• 串的长度
• 不同字符数
• 特殊字符数
• 关于分类的事？在
• 。。。在

这将为每个字符串提供一个数字向量。现在，您可以使用scikit learn中的任何分类器对数据进行分类。您可以在this flowchart的帮助下开始选择算法。你应该从一个简单的模型开始，例如线性模型（例如线性支持向量机）。如果性能不够，可以使用更复杂的模型（例如支持向量机和核函数），或者重新考虑您的特征选择。在

2）这是“现代”方法，越来越受欢迎。设计功能是1）中至关重要的一步，它需要对数据有充分的了解。现在，通过使用深度神经网络，您可以将原始数据（字符串）输入到网络中，并让网络自己学习这些“特性”。然而，这需要大量的标记训练数据和大量的处理能力（gpu）。在

LSTM网络在自然语言处理和类似任务方面是当今最先进的。LSTMs非常适合您的任务，因为输入可以是可变长度的。在

tl；dr：要么自己设计特征，使用自己选择的分类器，要么深入神经网络，让网络同时学习特征和分类。在