tech

构建Solana代币风险模型

在这篇博客中，我们将揭示我们专为Solana上的代币风险预测设计的机器学习API——Egeria的内部工作原理。

构建Solana代币风险模型
一键发币： SUI | SOL | BNB | ETH | BASE | ARB | OP | POLYGON | AVAX | FTM | OK

比特币以其安全性而闻名，但并非所有数字货币都具有同样的可靠性。尽管有光鲜的成功故事，许多代币最终被证明是骗局。

这些骗局通常被称为“拉地毯”（rug pulls）。当一个代币的创建者突然携款潜逃时，就会发生这种情况，导致投资者一无所获。

Solana是一个Layer 1区块链，包含了大量的代币，这些代币可以快速且几乎零成本地创建。这对于创新来说是好事，但也为不良行为者提供了机会，他们可以创建代币只是为了在资金开始流入后立即拉地毯。

在这篇博客中，我们将揭示我们专为Solana上的代币风险预测设计的机器学习API——Egeria的内部工作原理。

想亲自动手吗？我们还将引导你构建Egeria的一个简化版本，使你能够自己制作代币风险评估工具。

1、设置环境

在深入之前，让我们准备好我们的环境。我们将安装所需的依赖项、模块，并收集构建模型所需的数据。为了方便起见，请考虑使用Google Colab来设置你的笔记本。查看我们的笔记本，以获取示例指导你完成过程！

安装依赖项：

# 安装必要的模块。
!pip install -U pandas
!pip install -U scikit-learn
!pip install -U numpy
!pip install -U matplotlib
!pip install xgboost==2.0.3
!pip install pandas==2.2.1
!pip install joblib==1.3.2

注意：如果你在VSCode上使用Jupyter Notebook，只需将!替换为%。

太棒了！有了这些模块，我们就有了构建数据集、构建预处理器、训练模型、评估其性能并保存以供日后使用的工具。以下是简要概述： Pandas：用于数据操作和分析，提供适合处理结构化数据（如数据框）的数据结构和函数。我们用它来读取数据集。

Numpy：用于数值计算，提供高效的数值数据存储和操作，以及优化的数学函数，我们用numpy来计算概率分数。

SciKit-Learn：全面的机器学习库，具有一致的API、丰富的文档和各种用于监督和无监督学习任务的算法。我们使用sklearn训练回归模型并与XGBoost进行比较。

XGBoost：强大的梯度提升算法实现，以其效率和可扩展性著称，特别适用于结构化/表格数据，并在回归任务中表现出色。

Joblib：专门用于保存和加载Python对象的工具，特别适用于科学计算和机器学习模型，提供高效的序列化接口。

现在我们已经拥有了所有必需的依赖项，让我们开始整理数据。

2、数据收集

为了有效地训练一个ML模型，拥有大量的数据至关重要。

由于我们正在训练一个监督学习模型，因此需要一个标记的数据集。标记的数据集是一组数据实例，其中每个实例与一个或多个类别或标签相关联。这使得模型可以从标签中学习模式，并将其应用于未见过的数据。

为了构建我们的数据集，我们需要一组混合的代币，其中一些是高风险的，一些是安全的。如果数据集不平衡，即高风险标记的代币多于非高风险代币，那么模型可能会偏向于预测所有代币都是高风险的，从而降低识别真正优质代币的能力。我们将利用Vybe API来获取代币数据。

💡 什么是Vybe API？Vybe API是为开发人员和团队设计的API，用于访问DeFi、AI、交易等专业端点。你可以通过它以极高的速度和效率集成和构建项目，充分利用Solana的功能来推进你的项目。

你可以访问用于获取数据的脚本这里。

我将在另一篇详细的博客文章中深入探讨如何使用VYBEAPI获取数据。

3、数据预处理

现在我们已经从Vybe获取了原始数据，是时候清理和预处理它了。我们不能直接将原始数据输入到模型中，因为有一些不需要的列和属性需要删除。

def preprocess_data(df):
    df = df.drop(['address', 'lastTradeUnixTime', 'mc'], axis=1)
    X = df.drop('Risk', axis=1)
    y = df['Risk'].map({'Danger': 1, 'Warning': 1, 'Good': 0}).astype(int)
    return train_test_split(X, y, test_size=0.4, random_state=42)

在上述代码片段中，我们删除了一些不贡献于模型的列。像‘address’、‘lastTradeUnixTime’、‘mc’和‘Risk’这样的列不会直接提高模型的性能，所以我们把它们删掉了。

数据预处理对于准备原始数据进行机器学习任务至关重要。它涉及解决诸如缺失值、分类变量和特征缩放等问题。提供的代码定义了一个名为build_preprocessor的函数，该函数将预处理步骤封装到数值和分类特征的管道中。这些管道使用策略如均值插补法对数值特征进行缺失值处理，使用最频繁插补法对分类特征进行缺失值处理。此外，数值特征被标准化，分类特征被独热编码（one-hot encoding）。

💡 什么是独热编码？独热编码是一种将分类数据转换为二进制向量的方法，其中只有一个元素是激活的。

这些管道使用ColumnTransformer组合在一起，指定应对其应用哪些特征，并允许任何剩余的列保持不变。这种方法简化了预处理工作流程，使其更高效且易于维护，适用于机器学习项目。

def build_preprocessor(X_train):
    numeric_features = ['decimals', 'liquidity', 'v24hChangePercent', 'v24hUSD', 'Volatility', 'holders_count']
    categorical_features = ['logoURI', 'name', 'symbol']

    numeric_transformer = Pipeline(steps=[
        ('imputer', SimpleImputer(strategy='mean')),
        ('scaler', StandardScaler())
    ])
    categorical_transformer = Pipeline(steps=[
        ('imputer', SimpleImputer(strategy='most_frequent')),
        ('onehot', OneHotEncoder(handle_unknown='ignore'))
    ])

    preprocessor = ColumnTransformer(
        transformers=[
            ('num', numeric_transformer, numeric_features),
            ('cat', categorical_transformer, categorical_features)
        ],
        remainder='passthrough'
    )

    return preprocessor

现在我们已经准备好预处理器，可以将其应用于数据。

4、模型训练

def train_model(X_train, y_train, preprocessor):
    model = Pipeline(steps=[
        ('preprocessor', preprocessor),
        ('classifier', xgb.XGBClassifier(n_estimators=100, learning_rate=0.1, max_depth=3, random_state=42))
    ])
    model.fit(X_train, y_train)
    return model

提供的train_model函数将训练过程封装在一个Pipeline中，该Pipeline集成了先前定义的预处理器。这个预处理器会对数据应用诸如插补和编码的转换，然后将其输入到XGBoost分类器中。通过调整超参数，如估计器数量、学习率和最大深度，XGBoost分类器可以有效学习预处理后的数据。使用Pipeline，我们可以确保预处理和模型训练之间的无缝集成，简化整个工作流并增强可重复性。

5、为什么选择XGBoost？

在选择XGBoost作为本项目模型时，我们选择了以其多功能性、鲁棒性和在广泛数据类型和复杂性下的优越性能而闻名的模型。与较简单的模型如逻辑回归相比，XGBoost在处理具有多种特征类型的复杂数据集方面表现出色，这使其特别适合于现实世界中的机器学习任务中经常遇到的挑战。

XGBoost的一个关键优势在于其通过内置的正则化技术减轻过拟合的能力，这是复杂模型常见的问题。通过在其目标函数中结合L1和L2正则化项，XGBoost有效地惩罚过于复杂的模型，从而提高泛化能力并防止过拟合。

此外，XGBoost采用集成学习方法，结合多个弱学习者的预测（通常是决策树）以生成稳健且准确的最终预测。通过梯度提升等技术，XGBoost迭代改进前序模型的弱点，重点关注预测不太准确的实例。这种逐步细化过程使XGBoost能够逐渐学习数据中的复杂模式，从而在预测性能上优于许多其他机器学习算法。

因此，对于我们的项目，这可能涉及大型且复杂的包含大量数据的任务，准确性与泛化能力至关重要，XGBoost成为最优选择，提供了一种灵活、稳健且具有强大预测能力的组合。

💡 决策树通过评估一系列真假特征问题的树形结构来创建一个模型，预测标签，并估计做出正确决策所需的最少问题数。决策树可用于分类以预测类别，或回归以预测连续的数值。

同样地，我们的模型使用决策树的真假特征问题方法，例如波动性、流动性等特征。

6、模型评估

好了，我们已经做好了菜肴，现在是品尝的时候了，看看效果如何：

为了评估分类模型的有效性，我们将使用混淆矩阵可视化其性能。这个矩阵提供了关于模型如何预测测试数据集中类别的见解，其中真实值已知。以下是混淆矩阵的样子：

实际\预测类别 |   正面    |    负面    |
---------------------------------------
正面         |   真阳性   |   假阳性   |
负面         |   假阴性   |   真阴性   |
  • 真阳性（TP）：模型正确预测正面类别。
  • 假阳性（FP）：模型错误预测正面类别。
  • 假阴性（FN）：模型错误预测负面类别。
  • 真阴性（TN）：模型正确预测负面类别。

通过检查这些值，我们将深入了解模型在根据风险级别对代币进行分类方面的表现。让我们深入分析结果！ 📊

def evaluate_model(model, X_test, y_test):
  y_pred= model.predict(X_test)
  accuracy= accuracy_score(y_test, y_pred)
  classification_report_result= classification_report(y_test, y_pred)
  conf_matrix= confusion_matrix(y_test, y_pred)

  print(f'模型准确率: {accuracy}')
  print('分类报告:\\n', classification_report_result)
  print("混淆矩阵:\\n", conf_matrix)

太棒了！你已经组装了所有必要的函数来构建你的模型。让我们将它们组合成一个主函数，并使用单个输入运行它。另外，我们还会保存模型以备后用。

def main():
    file_path= 'preProcessedTokens.json'# 更新此路径df= load_data(file_path)
    X_train, X_test, y_train, y_test= preprocess_data(df)
    print(X_train.shape, X_test.shape, y_train.shape, y_test.shape)

    preprocessor= build_preprocessor(X_train)
    model= train_model(X_train, y_train, preprocessor)
    evaluate_model(model, X_test, y_test)

# 保存模型和预处理器
joblib.dump(model, "predictModel.pkl")
joblib.dump(preprocessor, "mainPreprocessor.pkl")

# 示例单个项目的预测
single_item_corrected= {
    "decimals": 6,
    "liquidity": 62215.15524335994,
    "logoURI": "https://img.fotofolio.xyz/?url=https%3A%2F%2Fbafkreifhqihaiwyo4g2aogdu4qyfqftkxy3aq4xxbhoxdkbkufrobsnjwm.ipfs.nftstorage.link",
    "name": "SBF",
    "symbol": "SBF",
    "v24hChangePercent":-49.17844813082829,
    "v24hUSD": 18220.724466666383,
    "Volatility": 76.06539722778419,
    "holders_count": 0
}

# 转换为DataFrame
single_item_df= pd.DataFrame(single_item_corrected, index=[0])
prediction= model.predict(single_item_df)# 预测
print(f'单个项目预测结果: {prediction}')

if __name__== "__main__":
    main()

大功告成！你自己的ML模型已经准备好分析代币的风险了。注意到那些带有.pkl扩展名的新文件了吗？这些是我们模型的保存文件。我们可以使用它们来运行模型，并设置FastAPI端点将其集成到你的应用程序中。

在下一篇博客中，我们将看到如何使用VYBE API抓取我们需要训练模型的所有数据。

原文链接：Building a Solana Token Risk Model the Hard Way

DefiPlot翻译整理，转载请标明出处

免责声明：本站资源仅用于学习目的，也不应被视为投资建议，读者在采取任何行动之前应自行研究并对自己的决定承担全部责任。
通过 NowPayments 打赏

Read next