目前，一些垃圾邮件浪潮，特别是在体育赛事发生时，正泛滥于网络。
由于我强烈怀疑垃圾邮件发送者的用户名并非计算机生成的，我认为尝试通过编程方式学习垃圾邮件发送者的用户名可能会很有趣。
用户名应在2到15个字符之间，以字母开头，且仅包含字母、数字、_或-。
用户名样本列表如下
riazsports0171maya34444thelmaeatonstigran777newlive100darbeshbabalitondina10nithuhasannewlive100bankualilldztwydni554monomala505nasiruddin1500lldztwydni554ariful3032nazmulhasan我对算法的了解仅限于大学的基础知识。我的问题是，哪些机器学习算法和/或字符串度量可以用来预测一个任意用户名是否可能是垃圾邮件发送者。我考虑使用余弦字符串相似度，因为它相对简单。
回答：
有趣。但我认为字符串相似度算法并不是最佳解决方案。
我会尝试从名字中提取特征，并使用分类算法。支持向量机（SVM）通常与其他分类算法相比能提供非常好的结果，但也有其他算法（例如：朴素贝叶斯、决策树、K近邻（KNN）），各有其优缺点。
棘手的部分将是提取特征。你需要发挥创意。一些选项包括：数字的数量，连续字母的数量，连续辅音的数量，大写字母的使用，正确使用大写字母，是否匹配某个正则表达式，…（你也可以使用字符串之外的其他特征，例如该用户发送给你的消息数量，….）
接下来，你需要创建一个训练集。这个训练集将包含垃圾邮件发送者和非垃圾邮件发送者的用户名，这些用户名将被手动标记为垃圾邮件发送者或非垃圾邮件发送者。
将训练集输入到你选择的算法中，它将创建一个分类器，你可以用它来预测新用户是否为垃圾邮件发送者。
你可以通过在数据上使用交叉验证来评估每个算法的有效性。
