10 2018 档案

摘要:demo: demo2代码如下: 效果图: 原始数据图: 红色为检测出来的异常点: 阅读全文
posted @ 2018-10-31 20:35 bonelee 阅读(3161) 评论(0) 推荐(0) 编辑
摘要:data.csv文件 阅读全文
posted @ 2018-10-31 17:49 bonelee 阅读(1674) 评论(0) 推荐(0) 编辑
摘要:先说实验成功的代码: git clone https://github.com/tkwoo/anogan-keras.git mkdir weights python main.py --mode train 即可看到效果了! 核心代码:main.py anogan.py 效果图: detect s 阅读全文
posted @ 2018-10-31 14:36 bonelee 阅读(7461) 评论(3) 推荐(0) 编辑
摘要:This would allow chaining operations like: pd.read_csv('imdb.txt') .sort(columns='year') .filter(lambda x: x['year']>1990) # < this is missing in Pand 阅读全文
posted @ 2018-10-31 12:05 bonelee 阅读(52708) 评论(0) 推荐(0) 编辑
摘要:daal安装(记得先安装anaconda): 注意:安装过程较慢,耐心等待。 随机森林: demo示例数据: 计算均值 方差等统计特征: 阅读全文
posted @ 2018-10-31 10:20 bonelee 阅读(723) 评论(0) 推荐(0) 编辑
摘要:https://www.quora.com/How-do-I-implement-a-1D-Convolutional-autoencoder-in-Keras-for-numerical-dataset http://qaru.site/questions/418926/keras-autoenc 阅读全文
posted @ 2018-10-31 09:36 bonelee 阅读(2357) 评论(0) 推荐(0) 编辑
摘要:import os import sys from daal.algorithms import low_order_moments from daal.data_management import FileDataSource, DataSourceIface from daal.data_management import (readOnly, NumericTableIface, B... 阅读全文
posted @ 2018-10-30 17:10 bonelee 阅读(270) 评论(0) 推荐(0) 编辑
摘要:0.0015797615051269531 要快些0.0018689632415771484 阅读全文
posted @ 2018-10-30 16:00 bonelee 阅读(698) 评论(0) 推荐(0) 编辑
摘要:https://sefiks.com/2018/03/23/convolutional-autoencoder-clustering-images-with-neural-networks/ https://blog.keras.io/building-autoencoders-in-keras.h 阅读全文
posted @ 2018-10-30 12:00 bonelee 阅读(2709) 评论(0) 推荐(0) 编辑
摘要:from:https://netsec2018.files.wordpress.com/2017/12/e6b7b1e5baa6e5ada6e4b9a0e59ca8e7bd91e7bb9ce5ae89e585a8e4b8ade79a84e5ba94e794a8.pdf 利用CNN进行流量识别 本质上 阅读全文
posted @ 2018-10-30 11:37 bonelee 阅读(1489) 评论(0) 推荐(0) 编辑
摘要:from:http://www.cnblogs.com/kemaswill/p/3266026.html 1. 多层神经网络存在的问题 常用的神经网络模型, 一般只包含输入层, 输出层和一个隐藏层: 理论上来说, 隐藏层越多, 模型的表达能力应该越强。但是, 当隐藏层数多于一层时, 如果我们使用随机 阅读全文
posted @ 2018-10-30 10:33 bonelee 阅读(6515) 评论(1) 推荐(1) 编辑
摘要:从hdfs里获取希望的数据: 阅读全文
posted @ 2018-10-30 09:07 bonelee 阅读(658) 评论(0) 推荐(0) 编辑
摘要:拿来主义: python -m cProfile -o profile.pstats to_profile.py gprof2dot -f pstats profile.pstats |dot -Tpng -o click.png 然后顺着浅色线条优化就OK了。 windows下: google下g 阅读全文
posted @ 2018-10-29 16:58 bonelee 阅读(2402) 评论(0) 推荐(0) 编辑
摘要:时间复杂度:O(2n) 因为 n+n/2+n/4+.... = 2n 下面这样写也很直观,比我写的跑起来还快些(诡异): C=n+n2+n4+n8+…=2n=O(n) 阅读全文
posted @ 2018-10-29 12:12 bonelee 阅读(1005) 评论(0) 推荐(0) 编辑
摘要:python3安装intel的加速库: 然后在linux下:~/anaconda3/envs/intelpy/bin/conda install --name intelpy keras 是可以安装keras的,但是在我mac下会出错!蛋疼!!! 测试程序: https://www.leiphone 阅读全文
posted @ 2018-10-29 09:54 bonelee 阅读(2519) 评论(0) 推荐(0) 编辑
摘要:demo:从文件中取包含字符“a”的5行数据做一次批处理!!! 阅读全文
posted @ 2018-10-26 11:42 bonelee 阅读(3985) 评论(1) 推荐(0) 编辑
摘要:效果图: 使用VAE的: 阅读全文
posted @ 2018-10-26 11:03 bonelee 阅读(814) 评论(0) 推荐(0) 编辑
摘要:keras-anomaly-detection Anomaly detection implemented in Keras The source codes of the recurrent, convolutional and feedforward networks auto-encoders 阅读全文
posted @ 2018-10-25 18:10 bonelee 阅读(1906) 评论(0) 推荐(0) 编辑
摘要:先看tflearn 官方的: 再看:https://github.com/kiyomaro927/tflearn-vae/blob/master/source/test/one_dimension/vae.py keras的:https://gist.github.com/philipperemy/ 阅读全文
posted @ 2018-10-25 17:03 bonelee 阅读(1586) 评论(0) 推荐(0) 编辑
摘要:AIOps探索:基于VAE模型的周期性KPI异常检测方法 from:jinjinlin.com from:jinjinlin.com from:jinjinlin.com from:jinjinlin.com from:jinjinlin.com from:jinjinlin.com 作者:林锦进 阅读全文
posted @ 2018-10-25 11:08 bonelee 阅读(2409) 评论(1) 推荐(0) 编辑
摘要:杜伦大学提出GANomaly:无需负例样本实现异常检测 本期推荐的论文笔记来自 PaperWeekly 社区用户 @TwistedW。在异常检测模块下,如果没有异常(负例样本)来训练模型,应该如何实现异常检测?本文提出的模型——GANomaly,便是可以实现在毫无异常样本训练下对异常样本做检测。 关 阅读全文
posted @ 2018-10-25 11:07 bonelee 阅读(5958) 评论(1) 推荐(0) 编辑
摘要:一、背景介绍 现实生活许多例子只有正样本和大量未标记样本,这是因为获取负类样本较为困难、负类数据太过多样化且动态变化。比如在推荐系统,用户点击为正样本,却不能因为用户没有点击就认为它是负样本,因为可能样本的位置很偏,导致用户没有点击。 PU Learning(Positive-unlabeled l 阅读全文
posted @ 2018-10-25 10:38 bonelee 阅读(4816) 评论(0) 推荐(0) 编辑
摘要:在中等高维数据集上执行异常值检测的另一种有效方法是使用局部异常因子(Local Outlier Factor ,LOF)算法。1、算法思想LOF通过计算一个数值score来反映一个样本的异常程度。这个数值的大致意思是:一个样本点周围的样本点所处位置的平均密度比上该样本点所在位置的密度。比值越大于1, 阅读全文
posted @ 2018-10-25 09:57 bonelee 阅读(14309) 评论(0) 推荐(1) 编辑
摘要:Profile API 都说要致富先修路,要调优当然需要先监控啦,elasticsearch在很多层面都提供了stats方便你来监控调优,但是还不够,其实很多情况下查询速度慢很大一部分原因是糟糕的查询引起的,玩过SQL的人都知道,数据库服务的执行计划(execution plan)非常有用,可以看到 阅读全文
posted @ 2018-10-22 16:09 bonelee 阅读(5765) 评论(0) 推荐(0) 编辑
摘要:先说说他们的产品:企业免疫系统(基于异常发现来识别威胁) 可以看到是面向企业内部安全的! 优点整个网络拓扑的三维可视化企业威胁级别的实时全局概述智能地聚类异常泛频谱观测 - 高阶网络拓扑;特定群集,子网和主机事件可搜索的日志和事件重播历史数据设备和外部IP的整体行为的简明摘要专为业务主管和安全分析师 阅读全文
posted @ 2018-10-19 18:26 bonelee 阅读(3105) 评论(11) 推荐(0) 编辑
摘要:通过SSH隧道传输SMTP 根据设计,我们不允许校外机器使用我们的SMTP服务器。如果我们允许它,我们将允许任何和所有使用我们的SMTP服务器来分发垃圾邮件。但是也可以通过我们的SMTP服务器发送邮件,这种机制称为SMTP隧道。 Linux说明 1.在Linux机器上安装SSH(默认情况下应该安装) 阅读全文
posted @ 2018-10-18 09:52 bonelee 阅读(1050) 评论(4) 推荐(0) 编辑
摘要:from:http://www.fynas.com/ua 阅读全文
posted @ 2018-10-16 17:58 bonelee 阅读(1617) 评论(0) 推荐(0) 编辑
摘要:ES整个查询过程是scatter/gather的过程,具体如下: 图见 https://blog.csdn.net/thomas0yang/article/details/78572596?utm_source=copy 最后 我是有些怀疑文章里面的说法的,因为如果都是由master来做merge的 阅读全文
posted @ 2018-10-16 16:03 bonelee 阅读(1442) 评论(1) 推荐(0) 编辑

点击右上角即可分享
微信分享提示