图片如果在配置SSL证书后，Nginx的HTTPS无法正常工作，可能有以下几个常见原因：1.错误的证书路径或文件权限：确保在Nginx配置文件中指定了正确的证书文件路径，并且Nginx对该文件具有读取权限...证书格式问题：确保证书文件的格式正确。通常，SSL证书是以PEM或DER格式编码的。如果证书格式不正确，可以使用openssl命令将其转换为正确的格式。图片3....端口配置错误：确认Nginx配置中针对HTTPS的监听端口（默认为443）与客户端请求的端口匹配。5. 防火墙或网络代理设置：检查服务器上的防火墙配置，确保允许入站和出站的HTTPS连接。...此外，如果后面有使用网络代理，也要检查代理的配置是否正确。6. 其他配置错误：检查Nginx的其他相关配置，确保没有其他冲突或错误的指令导致HTTPS无法正常工作。...可以查看Nginx的错误日志文件以获取更多详细的错误信息。排除以上可能的问题，并进行适当的配置修复后，可以重新启动Nginx服务，并检查HTTPS是否能够正常工作。
今天我第一次学习使用fail2ban，以前都没用过这样的东西，小地方没有太多攻击看上，但是工作之后这些安全意识和规范还是会加深认识，fail2ban很简单的远离，分析日志，正则匹配查找，iptables...ban ip，然后我今天花了很长时间都没办法让他工作起来，我写了一个简单的规则ban掉尝试暴力登录phpmyadmin的ip，60秒内发现3次ban一个小时。...我通过fail2ban-regex测试工具测试的时候结果显示是能够正常匹配的，我也试了不是自己写的规则，试了附带的其他规则的jail，也是快速失败登录很多次都不能触发ban，看fail2ban的日志更是除了启动退出一点其他日志都没有...后面我把配置还原，重启服务，这次我注意到重启服务之后整个负载都高了起来，fail2ban-server直接是占满了一个核，这种情况居然持续了十几分钟的样子，简直不能忍。...还有一些地方能不用密码的就不用密码了，例如说服务器的ssh登录，搞成证书验证之后实际上很爽的，也安全的多。管理我自己的服务器的时候，我也有一个专门的跳板机，跳板机可以密码登录，但是密码超级复杂。
2021-08-10：给定一个正数数组arr，返回arr的子集不能累加出的最小正数。1）正常怎么做？2）如果arr中肯定有1这个值，怎么做？...时间复杂度：排序的。 空间复杂度：排序的。 代码用golang编写。
2.3.2 查准率、查全率与F1（混淆矩阵） 当需要反映的不是判断正确与否的能力，而是正例、反例查出的准确率时，就不能用错误率和精度作为判断分类任务模型的性能度量了，查准率（准确率） precision...对于我们有多个二分类混淆矩阵的情况，例如进行多次训练/测试，每次得到一个混淆矩阵；或是在多个数据集上进行训练/测试，希望估计学习算法的“全局”性能； 甚或是执行多分类任务，每两两类别的组合都对应一个混淆矩阵...微 micro ：先将n个混淆矩阵的对应元素 ? 进行平均得到 ?...整体而言，混淆矩阵给我们呈现了一个清晰可见的分类模型效果评估工具，而基于混淆矩阵的评估指标可以从不同侧面来评价分类器性性能，至于在实际操作中使用什么样的评估指标来进行评价，还要视具体的分析目标而定。...实现方式是，可根据任务的领域知识设定代价矩阵 cost matrix ? 代价矩阵cost matrix 其中 ? 表示将第 ? 类样本预测为第 ? 类样本的代价。一般来说, ?
=0.2) k-折交叉验证 介绍 将数据集划分为k个子集，每次采用k-1个子集作为训练集，剩下的一个作为测试集，然后再重新选择，使每一个子集都做一次测试集，所以整个过程总共训练k次，得到k组结果，最后将这...RandomForestClassifier() # 使用K折交叉验证 scores = cross_val_score(model, X, y, cv=k_fold) 留一交叉验证 介绍 与k折验证思想一致，只是子集的数量和数据集的大小一样...，往往在数据集较小的时候使用这种方法 混淆矩阵 介绍 在分类任务中，我们可以用混淆矩阵来判断模型的性能，混淆矩阵记录了A类被分为B类的次数，以下是一个动物识别任务的混淆矩阵，要知道cat被预测成了几次...dog，那么就查看混淆矩阵的第1行第2列 使用代码 # 导入库 from sklearn.metrics import confusion_matrix # 打印混淆矩阵，参数为真实结果与预测结果...FN：模型预测为负且真实值为正的数量 精度 精度就是模型正确预测的正类在所有预测为正类中的比例 召回率 召回率就是模型正确预测的正类在所有正类中的比例 区别 可能还是有点混淆？
举例来说，在银行或者金融的数据中，绝大多数信用卡的状态是正常的，只有少数的信用卡存在盗刷等异常现象。 使用算法不能获得非平衡数据集中足以对少数类别做出准确预测所需的信息。...通过混淆矩阵我们可以得到模型在测试集上的准确率达到了99.9%，当然这是由于样本不均衡造成的。所以现在让我们忽略通过混淆矩阵得到的模型准确率。...[过采样] 欠采样（Undersampling） 这个方法与过采样方法相似，最终获得的数据集中正常记录和异常记录的数量也是相同的，不过欠采样是无放回的抽样，相应地在本文中的数据集上，由于异常记录过少，进行欠采样之后我们不能提取出样本中的关键信息...举例来说，我们过采样之后一次获取的数据可能只是少数类数据的一个子集。...由于原始数据集是不平衡的，所以这里我们不再使用混淆矩阵计算得到的准确率作为模型评价指标，取而代之的是roc.curve捕获得到的roc。
每棵决策树预测前一棵决策树的误差，因而使误差获得提升。 ? 梯度提升树的工作流程 使用浅层决策树初始化预测结果。 计算残差值（实际预测值）。 构建另一棵浅层决策树，将上一棵树的残差作为输入进行预测。...%20_blank 分类器的性能 混淆矩阵 混淆矩阵是一张表，这张表通过对比已知分类结果的测试数据的预测值和真实值表来描述衡量分类器的性能。...在二分类的情况下，混淆矩阵是展示预测值和真实值四种不同结果组合的表。 ? 多分类问题的混淆矩阵可以帮助你确认错误模式。 对于二元分类器： ? 假正例&假负例 假正例和假负例用来衡量模型预测的分类效果。...作者注：个人观点，这个例子举的不太好，对垃圾邮件来说，相比于错误地将垃圾邮件分类为正常邮件（假负例），将正常邮件错误地分类为垃圾邮件（假正例）是更严重的问题。...左图男士的测试结果是假正例因为男性不能怀孕；右图女士是假负例因为很明显她怀孕了。 从混淆矩阵，我们能计算出准确率、精度、召回率和F-1值。 准确率 准确率是模型预测正确的部分。 ?
性能度量 ① 错误率与精度 错误率和精度是分类问题中常用的性能度量指标，既适用于二分类任务，也适用于多分类任务....③ 混淆矩阵 混淆矩阵也称误差矩阵，是表示精度评价的一种标准格式，用n行n列的矩阵形式来表示。每一行（数量之和）表示一个真实类别的样本，每一列（数量之和）表示一个预测类别的样本。...根据混淆矩阵，查准率、召回率也可表示为： 查准率 = 主对角线上的值 / 该值所在列的和 召回率 = 主对角线上的值 / 该值所在行的和 ④ 实验 利用sklearn提供的朴素贝叶斯分类器分类，并打印查准率...、召回率、R2得分和混淆矩阵： # 混淆矩阵示例 import numpy as np import sklearn.model_selection as ms import sklearn.metrics...“交叉验证法”（cross validation）先将数据集D划分为k个大小相同（或相似）的、互不相交的子集，每个子集称为一个"折叠"（fold），每次训练，轮流使用其中的一个作为测试集、其它作为训练集
class/merging/* #把混淆类中的方法名也混淆了 -useuniqueclassmembernames #优化时允许访问并修改有修饰符的类和类的成员...mapping.txt提供混淆前后类、方法、类成员等的对照表- seeds.txt列出没有被混淆的类和成员- usage.txt列出被移除的代码 我们可以根据 seeds.txt 文件检查未被混淆的类和成员中是否已包含所有期望保留的...代码压缩 image 代码混淆是包含了代码压缩、优化、混淆等一系列行为的过程。如上图所示，混淆过程会有如下几个功能： \1. 压缩。移除无效的类、类成员、方法、属性等； \2. 优化。...分析和优化方法的二进制代码；根据proguard-android-optimize.txt中的描述，优化可能会造成一些潜在风险，不能保证在所有版本的Dalvik上都正常运行。 \3. 混淆。...OpenGl ES是免费的跨平台的功能完善的2D/3D图形库接口的API,是OpenGL的一个子集。
这里以二分类LDA为例，二维特征通过一系列矩阵运算实现从二维平面到一条直线的投影，期间同时通过借助协方差矩阵、广义瑞利熵等实现类间数据的最大化与类内数据的最小化。...从二分类推广到多分类是在二分类的基础上增加了“全局散度矩阵”来实现最终目标优化函数的设定，从而实现类间距离的最大化和类内距离的最小化。...，根据统计的数据，我们可以做出一张表，称为“混淆矩阵（Confusion Matrix）”： 表1-3 分类结果的混淆矩阵 真实值 预测值 正例（positive） 反例（negative）...我们得到了如下表所示的混淆矩阵： 表1-4 三分类结果的混淆矩阵 真实值 预测值 猫 狗 兔子 猫 812 88 132 狗 60 908 70 兔子 132 32 798 对应上面的混淆矩阵...，我们可以将其拆成三个二分类的矩阵，以猫为例： 表1-5 对于猫的二分类混淆矩阵 真实值 预测值 猫 狗、兔子 猫 TP = 812 FN = 88+100 狗、兔子 FN = 60+132
因此，使用查准/查全率更适合此类需求的性能度量。对于二分类问题，分类结果混淆矩阵与查准/查全率定义如下： ? 查准率与查全率是一对矛盾的度量。...有时候我们会有多个二分类混淆矩阵，例如：多次训练或者在多个数据集上训练，那么估算全局性能的方法有两种，分为宏观和微观。...简单理解，宏观就是先算出每个混淆矩阵的P值和R值，然后取得平均P值macro-P和平均R值macro-R，再算出Fβ或F1，而微观则是计算出混淆矩阵的平均TP、FP、TN、FN，接着进行计算P、R，进而求出...以二分类任务为例，设定一个“代价矩阵(cost matrix)”，cost_ij表示将第i类样本预测为第j类样本的代价，一般来说，损失程度相差越大，cost01和cost10值的差别越大。...在非均等错误代价下，ROC曲线不能直接反映出学习器的期望总体代价，而“代价曲线”可达到目的。代价曲线横轴是取值在[0,1]之间的正例概率代价 ?
笔者邀请您，先思考： 1 您在面试数据的工作，遇到什么数据科学面试题？...这会导致您的模型不稳定，无法从您的训练数据中学习。 现在我们来了解什么是梯度。 梯度： 梯度是在训练神经网络时计算的方向和大小，用于以正确的方向和正确的数量更新网络权重。 4.什么是混淆矩阵？...混淆矩阵是一个2X2表，其中包含由二进制分类器提供的4个输出。 诸如误差率，准确性，特异性，灵敏度，精密度和召回率等各种测量方法都是从中推导出来的。 混淆矩阵 ?...从混淆矩阵导出的基本度量 错误率=（FP + FN）/（P + N） 准确度=（TP + TN）/（P + N） 灵敏度（召回率或真阳性率）= TP / P 特异性（真阴性率）= TN / N 精度（正向预测值...当抽取的样本不能代表所分析的总体时，就会发生选择新偏差。 7.详细解释SVM机器学习算法。 SVM代表支持向量机，它是一种可用于回归和分类的监督机器学习算法。
但是仅仅这样做并不是那么的保险，简而言之，你不能用这样得到的准确率作为这个模型最终的评判标准。这个时候问题就来了，你可能想知道——为什么？...正如我们所讨论的，由于类不平衡等因素，仅检查测试集中有多少示例被正确分类并不是检查模型性能的有用指标。我们需要一个更加稳健和细致入微的衡量标准。 混淆矩阵 我们需要了解以下混淆矩阵。...这是判断模型性能的一种简单且流行的方法。让我们通过垃圾邮件分类方案来理解这一点。混淆矩阵如下所示。 ? 通过混淆矩阵可以得到以下几个指标： ?...当你理解了上面这些概念之后，利用scikit learn，只需要几行Python代码就可以得到混淆矩阵的结果。...它是一种通过在可用输入数据的子集上训练几个模型并在数据的补充子集上对其进行评估来评估机器学习模型的技术。使用交叉验证，我们很容易发现模型是否过拟合。 有5种常用的交叉验证方法： 1.
递归特征消除：这是一种通过递归地考虑越来越小的特征子集来选择特征的方法。基于特征子集搜索的方法：这种方法通过搜索最优特征子集来选择特征，通常使用启发式或优化技术来实现。...模型评估分类器：提供了多种分类算法的实现，帮助用户进行分类任务的建模和评估。聚类器：提供了多种聚类算法，用于无监督学习中的样本分组。回归器：提供了回归分析的工具，用于预测连续值输出。...混淆矩阵是一个在机器学习和模式识别中常用的表，它展示了算法在特定数据集上的分类性能。具体来说，混淆矩阵显示了算法预测的类别与实际类别之间的关系。...11.1 二分类混淆矩阵In 28:from mlxtend.plotting import plot_confusion_matriximport matplotlib.pyplot as pltimport...[1, 2]])fig, ax = plot_confusion_matrix(conf_mat=binary1,figsize=(3,3))plt.show()11.2 显示绝对值和颜色柱的二分类混淆矩阵
---- 二分类 混淆矩阵： ?...All (OvA) 分类问题 这时会在 n 个二分类问题上综合考虑查准率，查全率。 宏～ ：先在每个混淆矩阵上计算率，再求平均 宏查准率 ? 宏查全率 ? 宏 F1 ?...微～ ：先将各个混淆矩阵上对应元素求平均，再计算率 微查准率 ? 微查全率 ? 微 F1 ?...此时，可以设定 代价矩阵 cost matrix： 如果将第 0 类预测为 第 1 类造成的损失更大，则 cost01 > cost10，相反将第 1 类预测为 第 0 类造成的损失更大，则 cost01...则带有“代价敏感”的错误率为： ? 其中 0 为正类，1 为反类，D＋ 为正例子集合，D－ 为反例子集合。 代价曲线 cost curve： 非均等代价下，反应学习器的期望总体代价。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
腾讯会议
云直播
对象存储
