上一页 1 ··· 134 135 136 137 138 139 140 141 142 ··· 271 下一页
摘要: https://www.cnblogs.com/bradleon/p/6827109.html 文章里写得非常好,需详细看。尤其是arima的举例! 可以看到:ARIMA本质上是error和t-?时刻数据差分的线性模型!!! ARIMA模型全称为自回归积分滑动平均模型(Autoregressive 阅读全文
posted @ 2018-08-23 14:14 bonelee 阅读(4029) 评论(0) 推荐(1) 编辑
摘要: 位于/var/log目录下的20个Linux日志文件[译] from:http://buptguo.com/2014/01/16/linux-var-log-files/ 原文地址:20 Linux Log Files that are Located under /var/log Director 阅读全文
posted @ 2018-08-14 20:19 bonelee 阅读(1885) 评论(0) 推荐(0) 编辑
摘要: 首先配置命令记录到syslog中: 在客户端的/etc/bashrc 下添加: logger -p local3.info \"`who am i` is login \" export PROMPT_COMMAND='{ msg=$(history 1 | { read x y; echo $y; 阅读全文
posted @ 2018-08-14 20:10 bonelee 阅读(12854) 评论(1) 推荐(1) 编辑
摘要: vsftpd日志配置及查看 vsftpd ftp服务器的日志设置,可以通过修改主配置文件/etc/vsftpd.conf实现。主配置文件中与日志设置有关的选项包括xferlog_enable 、xferlog_file 和dual_log_enable 等。 xferlog_enable 如果启用该 阅读全文
posted @ 2018-08-14 20:02 bonelee 阅读(5225) 评论(1) 推荐(0) 编辑
摘要: 花式解释AutoEncoder与VAE 什么是自动编码器 自动编码器(AutoEncoder)最开始作为一种数据的压缩方法,其特点有: 1)跟数据相关程度很高,这意味着自动编码器只能压缩与训练数据相似的数据,这个其实比较显然,因为使用神经网络提取的特征一般是高度相关于原始的训练集,使用人脸训练出来的 阅读全文
posted @ 2018-08-13 19:21 bonelee 阅读(5024) 评论(0) 推荐(0) 编辑
摘要: 基于用户命令行为的内部威胁检测实验 from:http://www.freebuf.com/articles/database/93108.html 基于用户命令行为的内部威胁检测实验 from:http://www.freebuf.com/articles/database/93108.html 阅读全文
posted @ 2018-08-08 16:27 bonelee 阅读(1155) 评论(5) 推荐(0) 编辑
摘要: from:http://www.cnblogs.com/kemaswill/archive/2013/04/01/2993583.html 在时间序列中,我们需要基于该时间序列当前已有的数据来预测其在之后的走势,三次指数平滑(Triple/Three Order Exponential Smooth 阅读全文
posted @ 2018-08-08 11:48 bonelee 阅读(6852) 评论(0) 推荐(0) 编辑
摘要: Holt-Winters模型原理分析及代码实现(python) Holt-Winters模型原理分析及代码实现(python) from:https://blog.csdn.net/u010665216/article/details/78051192 from:https://blog.csdn. 阅读全文
posted @ 2018-08-08 11:48 bonelee 阅读(10534) 评论(1) 推荐(0) 编辑
摘要: Time Series Anomaly Detection in Network Traffic: A Use Case for Deep Neural Networks from:https://jask.com/time-series-anomaly-detection-in-network-t 阅读全文
posted @ 2018-08-08 10:12 bonelee 阅读(7192) 评论(43) 推荐(0) 编辑
摘要: 效果: 备注:steps_in_future = 5 仅仅是采样数据用,每5个点采集一次数据,用于训练,后续绘图也是。修改为1,就没有采样过程了!steps_of_history = 10 使用历史的10个数据点来预测。实验表明,数据点越多,模型预测效果越好。为1的时候,效果比10的时候差些。 其他 阅读全文
posted @ 2018-08-08 09:52 bonelee 阅读(1151) 评论(1) 推荐(0) 编辑
上一页 1 ··· 134 135 136 137 138 139 140 141 142 ··· 271 下一页