对区块链的分析_分析区块链数据集的四种新机器学习方法

用机器学习来分析区块链数据集是一个很有魅力的课题。 块链数据集不仅具有不可思议的潜力，而且有助于理解加密货币资产的行为，对机器学习的实践者提出了非常独特的挑战。 但是，这些课题已成为许多传统机器学习技术的主要障碍。 机器智能技术的快速发展使得新的机器学习方法的产生成为可能，这些方法非常适合分块链数据集的分析。 在IntoTheBlock，我们定期实验这些新方法，提高市场信息信号的效率。 今天我想简要介绍机器学习领域的一些新思想。 那个在分析区块链的资料时会产生有趣的结果。

分块链数据集为机器学习方法的应用提供了独特的机会，这些机会与加密货币资产的行为有关。 但是区块链数据集的性质和结构给机器学习方法带来了独特的挑战。 块链中的数据集可能被认为是机器学习应用的天堂，但传统的方法往往会遇到意想不到的挑战

缺少标记数据:块链数据集中可用于训练机器学习模型的标记数据很少。

模糊数据:块链充满了加密数据和模糊数据，几乎无法分析。

没有基准测试模型:机器学习将模型与其他模型进行基准测试。 在文书记录少的模型产生可靠结果的空间中，这样的结果有点困难。

传统的机器学习思想

传统的机器学习实践者把世界分为两种模式

监督学习( UnsupervisedLearning ) :监督学习( SupervisedLearning )这个名字表示教师是老师。 基本上，监督学习是我们使用数据来教授和训练机器的学习，这些数据有很好的标志。 这意味着一些数据有正确的答案。

·非监督学习:非监督学习使用机器不分类也不标记的信息进行训练，允许算法不指导就操作该信息。 这里，机器的任务是将未按照类似、模式、差异排序的信息进行分组，不需要事先训练数据。

在块链数据集中，由于标签数据集的有限可用性，对学习应用的监控是有限的。 非监视方法可能非常有效，但如果没有其他模型或基准，很难判断性能。

为了改进分块链数据分析中的非监测与监测方法，我们尝试了一些近年来机器学习社区广泛关注的新方法。

新的机器学习方法有助于理解区块链数据集

我们生活在机器学习研究技术的黄金时代。 今天，机器学习框架和平台迅速整合了许多技术，帮助实现传统监督和非监督方法以外的新功能。 已经发现一些技术非常关联于分块链数据集的分析。

半监督学习

半监督学习是近年来备受关注的机器学习领域之一。 概念上，半监督学习是监督学习的变体，将训练用的标记和未标记的数据集合起来。 半监控学习的原理通过利用少量的带标签的监控学习和大量的无标签的非监控学习数据，往往能产生比完全监控的模型更好的准确性。

在块链分析中，半监控学习可用于培训模型，可以对参与者(交换机、钱包等)进行分类，而不依赖于大的标记数据集。 例如，识别器可以识别使用多个标记地址加密的货币交易，并学习使用较大的无标记地址池进行扩展。

迁移学习

迁移学习是表示法学习，其基础是通过重复使用以前任务的知识来掌握新任务的思想。 传统的学习是孤立的，只基于特定的任务、数据集和单独的培训模式。 没有从一个模型转移到另一个模型的知识。 过渡学习可以利用先前训练的模型知识(特性、权重等)来训练新模型。

在涉及块链的数据分析的情况下，可以利用迁移学习构建模型，从传统任务中总结知识。 举例来说，识别异常位图符号转移的模型可将此知识传播到以太网块链中。

AutoML和自动化

设计机器学习模式是一项令人难以置信的主观任务，通常取决于数据科学家的经验，这些经验没有得到客观测试。 给出的机器学习问题可以有无限的解，我们很难理解这个问题是否有正确的解。

AutoML是一种新技术，目的是自动创建机器学习模型。 对于给定的数据集合、一系列优化指标以及对时间和资源的约束，AutoML方法应当评估成千上万的神经网络架构并产生最优的结果。 虽然有效的数据科学团队可以评估12种针对特定问题的模型，但AutoML方法能够在相对可管理的时间内快速检索出数千种体系结构。

对于块链数据集，NAS和AutoML有助于评估特定场景中的大量模型。 举例来说，我们可以得到更完美的框架，而不是评估数百种模型，设计特定的神经网络来预测交易所的资金流动。

元学习

元学习可以简单地定义为获得知识多样性的能力。 作为人类，能够以最小限度的信息同时获得多个任务。 我们可以通过观看新物体的照片来识别它，也可以同时学习驾驶飞机等复杂的多任务活动。 人工智能代理能够掌握非常复杂的任务，但原子任务需要很多训练，在多任务处理方面仍然很差。 受欢迎的元学习技术被称为“少镜头学习”( few-shotlearning )，可以模仿非常简单的数据集来学习。 例如，婴儿只看一两张照片就能学习识别物体的方法。

在块链分析中，元学习可用于重用识别模式(例如恶意转移)的模型以识别有用信息(例如支付交易)。

这些是一些新的机器学习方法，将是非常有用的块链数据分析。 随着加密货币分析空间的发展，一些技术的应用从开放实践中需要，有助于产生有意义的东西，理解加密货币资产的行为。

关键字:块链数据块链