如果发布了类似的内容，我会事先道歉但是从我做过的研究中我找不到具体的内容。
我目前正在查看http://scikit-learn.org，此处的内容看起来不错，但我很困惑我应该使用哪种类型的问题。
我希望能够拥有2个标签。
**Suspicious**
1hbn34uqrup7a13t
qmr30zoyswr21cdxolg
1qmqnbetqx
**Not-Suspicious**
cheesemix
reg526
animato12
我可以在上面提供哪种类型的机器学习算法，以便通过有监督的学习来教授我认为可疑的内容？
我倾向于分类，但有很多模型可供我稍微丢失。
答案 0 :(得分：1)
此类机器学习问题的第一步是考虑＆＃34;功能＆＃34;。你无法使用，例如直接在这些字符串上的线性分类器。因此，您必须提取一些描述字符串的有意义的功能。在计算机视觉中，这些功能通常是边缘，角点，SIFT功能。你基本上必须选择：
1）这是＆＃34; classic＆＃34;机器学习方法：您手动设计代表性功能列表，您可以从输入数据中提取这些功能。在您的情况下，您可以从例如
开始这将为您提供每个字符串的数字向量。现在，您可以使用scikit-learn中的任何分类器来对数据进行分类。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SVM）。如果性能不足，请使用更复杂的模型（例如带内核的SVM），或重新考虑您选择的功能。
2）这是＆＃34;现代＆＃34;方法，越来越受欢迎。设计功能是1）中的关键步骤，它需要良好的数据知识。现在，通过使用深度神经网络，您可以将原始数据（字符串）提供给网络，并让网络了解这些＆＃34;功能＆＃34;本身。然而，这需要大量标记的训练数据和大量处理能力（GPU）。
LSTM网络是当今自然语言处理和类似任务的最先进技术。 LSTM非常适合您的任务，因为输入的长度可变。
tl; dr ：要么自己设计功能，要么使用您选择的分类器，要么深入了解深层神经网络，让网络学习功能和分类。