机器学习实战——学习笔记(一) k-近邻算法(手写识别系统实战)一、k-近邻法简介k近邻法(k-nearest neighbor, k-NN)是1967年由Cover T和Hart P提出的一种基本分类与回归方法。它的工作原理是：存在一个样本数据集合， 也称作为训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一个数据与所属分类的对应关系。输入没有标签的新数据后， 将新的数据的每个特

朴素贝叶斯之新浪新闻分类(Sklearn)1 中文语句切分考虑一个问题，英文的语句可以通过非字母和非数字进行切分，但是汉语句子呢？就比如我打的这一堆字，该如何进行切分呢？我们自己写个规则？ 幸运地是，这部分的工作不需要我们自己做了，可以直接使用第三方分词组件，即jieba，没错就是”结巴”。 jieba已经兼容Python2和Python3，使用如下指令直接安装即可： pip3 install j

持续集成服务(CI)漏洞挖掘原文链接：https://edoverflow.com/2019/ci-knew-there-would-be-bugs-here/ 在挖漏洞的时候，熟悉供应商和公司所依赖的技术至关重要。引起我们注意的一个特别有趣的环境是各种开源项目使用的流行集成， 主要是作为其开发生命周期的一部分。包括Travis CI，Circle CI和GitLab CI在内的持续集成服务（“

机器学习算法整理——贝叶斯算法(实现拼写检查器) 贝叶斯拼写检查器实现 1. import re, collections 1. 1. def words(text): return re.findall('[a-z]+', text.lower()) 1. 1. def train(features): 1. model = collectio

URL 跳转漏洞的利用技巧URL跳转漏洞仅是重定向到另一个网址，如： https://www.example.com/?go=https://www.google.com/，当我们访问这个url时， 将从example.com跳转到google.com。通常来说，它们被归类到低影响的一类中，甚至，有些程序将它们列入超范围的名单中， 且不允许用户访问。那我们能对它们做些什么呢？一年多以前，我发布了这

梯度下降求解逻辑回归2（代码编写以及三种梯度下降对比）上一篇是理论知识、背景介绍以及大体的实现方向，这一篇是具体代码实现 功能模块准备 写出sigmoid函数，返回被录取的概率，即映射到概率 写出model函数，返回预测结果值，即X（样本值）与theta的矩阵相乘结果 def sigmoid(z): return 1 / (1 + np.exp(-z)) nums = np.arange

破解实验室WiFi密码1 准备工作工具：Vmware虚拟机、kali镜像文件、无线网卡一个 PS：无线网卡一定得是外置的，虽然电脑本身带有内置网卡，但并无监听周围热点功能；我这里使用的是USB网卡RT3070 暴力破解思路：kali系统接入无线网卡，并通过里面的aircrack程序开始监听周围热点，选择一个WiFi热点， 用aircrack去攻击一台连接了该WiFi热点的设备，使其掉线，之后这台电

机器学习实战——梯度下降求解逻辑回归（理论基础）逻辑回归是回归还是分类？逻辑回归是分类，不要被名字所欺骗。因本篇文章仅讨论二分类问题，故我们将逻辑回归最终得到的预测值看作两个，即是或否（0或1）。从线性回归开始为什么从线性回归开始呢？因为二分类问题解的得出与线性回归有很大关系，逻辑回归之所以叫回归因为其与线性回归有着千丝万缕的关系。有这样一个例子：我们用numpy包生成一百个随机的x值，并且设定y

Stanford机器学习 逻辑回归和过拟合问题的解决 logistic Regression & Regularization作为一个大二的垃圾(QAQ)，看了两遍关于逻辑回归的视频教程，并且查阅资料，才慢慢明白其中的原理。 第一部分：Logistic Regression（一）~（二）、Classification / Hypothesis Representation假设随Tumor

跨站点WebSocket劫持如何导致完整的会话妥协WebSockets是一种HTML5功能，可通过单个TCP连接提供双向通信通道。这样可以通过在浏览器和服务器之间创建持久连接来构建实时应用程序。 Websockets最常见的应用是向Web应用程序添加聊天功能。下面这张图片为websockets工作原理图： （参考：http：//www.websocket.org） 最近，我们对具有大量菜单选项和