基于机器学习的恶意样本静态检测的代码详解(ember)
文章目录1. 类与类之间的关系2. 每个类的详细分析2.1 ByteHistogram2.2 ByteEntropyHistogram2.3 SectionInfo2.4 ImportsInfo2.5 ExportsInfo2.6 GeneralFileInfo2.7 HeaderFileInfo2
R语言使用sort函数降序排序向量数据、设置decreasing参数进行降序排序
R语言使用sort函数降序排序向量数据、设置decreasing参数进行降序排序
计算机视觉系列教程2-6：八大图像特效算法制作你的专属滤镜(附Python代码)
美图软件中的那些滤镜效果是如何实现的？本文从原理到Python实战详解八大图像特效算法，为你的图片加一层属于自己的滤镜吧！
LazyProphet：使用 LightGBM 进行时间序列预测
但是当在单变量情况下使用增强树时，由于没有大量的外生特征可以利用，它的性能非常的糟糕。LazyProphet通过新的特征生成方法可以大大提高树型模型处理时序数据的性能
什么是One-Hot Encoding？
独热编码，也称一位有效编码，主要是采用N位状态寄存器来对N个状态进行编码，每个状态都有它独立的寄存器位，并且只有一位有效。可以理解为，对于每一个特征，如果它有m个可能值，那么经过独热编码后，就变成了m个二元特征，并且这些特征互斥，每次只有一个特征激活。因此，数据经过独热编码后的结果会变得稀疏。
Python日记（3）——matplotlib基础入门（1）
Python日记（2）——matplotlib基础入门（1）每天做一个Python小练习，顺便记录一些小技巧。由于化工实验数据处理需要把数据转换成图标，所以要逐步学习Python里比较好用的matplotlib库，加下来就是从0基础开始学习的过程。(1)简明matplotlib在使用matplotl
R语言使用levels参数重新排序因子水平级别
R语言使用levels参数重新排序因子水平级别
灰色预测法 —— python
1.简介2.算法详解2.1 生成累加数据2.2累加后的数据表达式2.3求解2.2的未知参数3.实例分析3.1 导入数据3.2 进行累加数据3.3 求解系数3.4 预测数据及对比完整代码
优化算法之手推遗传算法（Genetic Algorithm）的详细步骤图解
遗传算法（Genetic Algorithm, GA）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。
技术升级 | 戴着口罩也能识别人脸啦
近期，国内疫情出现反复，作为抗击疫情的战争中强有力的护盾，口罩再次成为了公民的标配，但在抗疫常态化的进程中，口罩却对诸如“刷脸”支付、身份认证等需要人脸识别的场景提出了挑战。人脸识别原理人脸识别技术在了解人脸识别面临的问题之前，我们首先要了解人脸识别系统，人脸识别系统主要是由硬件和软件两部分构成，硬
下班前几分钟，我彻底弄懂了P-R曲线、ROC与AUC
目录一、均方误差、精度与错误率二、查准率、查全率与F1F1F12.1 查准率（Precision）与查全率（Recall）2.2 混淆矩阵的可视化2.3 P-R曲线与BEP2.4 F1F1F1 与 FβF_{\beta}Fβ三、ROC与AUC3.1 ROC（Receiver Operating C
贝叶斯网络的D-separation详解和Python代码实现
D分离（D-Separation）又被称作有向分离，是一种用来判断变量是否条件独立的图形化方法。相比于非图形化方法，D-Separation更加直观且计算简单。
Sober算子边缘检测与Harris角点检测1
此篇文章主要介绍了Sobel算子的底层运算规律，和cv Harris的相关介绍Harris opencv 的对应代码cv2.cornerHarris(src, blockSize, ksize, k[, dst[, borderType]])参数类型src - 输入灰度图像，float32类型blo
3种时间序列混合建模方法的效果对比和代码实现
本文中将讨论如何建立一个有效的混合预测器，并对常见混合方式进行对比和分析
R语言生成仿真vector向量数据、包括数值向量、字符串向量
R语言生成仿真vector向量数据、包括数值向量、字符串向量
深度特征合成与遗传特征生成，两种自动特征生成策略的比较
特征工程是从现有特征创建新特征的过程,本文中将通过一个示例比较两种自动特征生成的方法：DFS和GFG
聚类分析简述
聚类分析简述聚类分析概述层次聚类K-Means算法DBSCAN算法聚类分析概述聚类分析是一种无监督学习（无监督学习：机器学习中的一种学习方式，没有明确目的的训练方式，无法提前知道结果是什么；数据不需要标签标记），用于对未知类别的样本进行划分将它们按照一定的规则划分成若干个类簇，把相似(相关的)的样本
神经网络中的激活函数与损失函数&深入理解推导softmax交叉熵
介绍神经网络中常用的激活函数和损失函数，主要是介绍softmax交叉熵损失函数，并使用计算图手动推导softmax交叉熵反向传播过程。
图嵌入中节点如何映射到向量
所有的机器学习算法都需要输入数值型的向量数据，图嵌入通过学习从图的结构化数据到矢量表示的映射来获得节点的嵌入向量。它的最基本优化方法是将具有相似上下文的映射节点靠近嵌入空间。
4大类11种常见的时间序列预测方法总结和代码示例
本篇文章将总结时间序列预测方法，并将所有方法分类介绍并提供相应的python代码示例
