上一页 1 ··· 136 137 138 139 140 141 142 143 144 ··· 273 下一页
2018年9月3日
MAPE 平均绝对百分误差
摘要： from fbprophet.diagnostics import performance_metrics df_p = performance_metrics(df_cv) df_p.head() mape平均绝对百分误差 定义 def evalmape(preds, dtrain): gaps 阅读全文
posted @ 2018-09-03 16:49 bonelee 阅读(27826) 评论(0) 推荐(0)
facebook开源的prophet时间序列预测工具---识别多种周期性、趋势性（线性，logistic）、节假日效应，以及部分异常值
摘要： 简单使用 代码如下 这是官网的quickstart的内容，csv文件也可以下到，这个入门以后后面调试加入其它参数就很简单了. import pandas as pd import numpy as np from fbprophet import Prophet import matplotlib. 阅读全文
posted @ 2018-09-03 11:06 bonelee 阅读(26667) 评论(0) 推荐(3)
基于深度学习的恶意样本行为检测（含源码） ----采用CNN深度学习算法对Cuckoo沙箱的动态行为日志进行检测和分类
摘要： from:http://www.freebuf.com/articles/system/182566.html 0×01 前言 目前的恶意样本检测方法可以分为两大类：静态检测和动态检测。静态检测是指并不实际运行样本，而是直接根据二进制样本或相应的反汇编代码进行分析，此类方法容易受到变形、加壳、隐藏等 阅读全文
posted @ 2018-09-03 10:43 bonelee 阅读(4669) 评论(2) 推荐(1)
https wireshark抓包——要解密出原始数据光有ssl 证书还不行，还要有浏览器内的pre-master-secret（内存里）
摘要： 基于wireshark抓包的分析 首先使用wireshark并且打开浏览器，打开百度（百度使用的是HTTPS加密），随意输入关键词浏览。 我这里将抓到的包进行过滤。过滤规则如下 1 下面用图来描述一下上面抓包所看到的流程。 1. Client Hello 打开抓包的详细，如下。 不难看出，这一握手过 阅读全文
posted @ 2018-09-03 10:11 bonelee 阅读(20996) 评论(0) 推荐(1)
2018年8月30日
Kaggle比赛冠军经验分享：如何用 RNN 预测维基百科网络流量
摘要： Kaggle比赛冠军经验分享：如何用 RNN 预测维基百科网络流量 from：https://www.leiphone.com/news/201712/zbX22Ye5wD6CiwCJ.html 导语：来自莫斯科的 Arthur Suilin 在比赛中夺冠并在 github 上分享了他的模型 Kag 阅读全文
posted @ 2018-08-30 17:39 bonelee 阅读(3197) 评论(0) 推荐(0)
Dlib——C++机器学习库，有传统机器学习的，也有深度学习的
摘要： Dlib的目标用户并没有Hyperopt-sklearn细分，它是一个基于C++语言的通用的机器学习和数据分析库。值得一提的是，虽然Dlib的确是由C++实现的，但它却提供了针对Python语言的API。 Dlib的官网称：Dlib是一个现代的C++工具包，实现了大量机器学习的相关算法和工具，可用于 阅读全文
posted @ 2018-08-30 14:49 bonelee 阅读(6000) 评论(0) 推荐(0)
2018年8月24日
5G RRC——为NAS层提供连接管理，消息传递等服务； 对接入网的底层协议实体提供参数配置的功能； 负责UE移动性管理相关的测量、控制等功能
摘要： from：http://www.cnblogs.com/kkdd-2013/p/3868676.html 1 RRC协议功能 为NAS层提供连接管理，消息传递等服务； 对接入网的底层协议实体提供参数配置的功能； 负责UE移动性管理相关的测量、控制等功能 2 RRC状态 RRC_IDLE PLMN选择 阅读全文
posted @ 2018-08-24 14:21 bonelee 阅读(5910) 评论(0) 推荐(0)
信令风暴问题根因分析
摘要： A SURVEY ON THREATS, VULNERABILITIES AND SECURITYSOLUTIONS FOR CELLULAR NETWORK 文章里提到 4GSystem (LTE) SecurityModern LTE cellular networks provide adva 阅读全文
posted @ 2018-08-24 11:39 bonelee 阅读(995) 评论(7) 推荐(0)
无线基站侧的信令风暴根因——频繁的释放和连接RRC产生大量信令、设备移动导致小区重选信令增加、寻呼信令多
摘要： 全局思维（核心网和无线基站侧都会有信令风暴）： ＬＴＥ网络系统可能出现信令风暴的原因，大致可以总结出以下几点： １．网络架构的变化，导致４Ｇ核心网信令流量较２Ｇ／３Ｇ大幅增加 ａ）架构扁平化：ＬＴＥ网络采用两级结构，取消ＲＮＣ（ＲａｄｉｏＮｅｔｗｏｒｋＣｏｎｔｒｏｌｌｅｒ）／ＢＳＣ（Ｂａｓｅ 阅读全文
posted @ 2018-08-24 11:02 bonelee 阅读(2947) 评论(5) 推荐(0)
2018年8月23日
ARIMA模型——本质上是error和t-?时刻数据差分的线性模型！！！如果数据序列是非平稳的，并存在一定的增长或下降趋势，则需要对数据进行差分处理!ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归， p为自回归项； MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数
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(4211) 评论(0) 推荐(1)
上一页 1 ··· 136 137 138 139 140 141 142 143 144 ··· 273 下一页