FFFF5

摘要： Z-Score标准化：详细数学与实现笔记 一、数学原理与推导 1.1 基本公式 Z-Score标准化（标准差标准化）将数据转换为均值为0、标准差为1的标准正态分布： \[z = \frac{x - \mu}{\sigma} \]其中： \(\mu\) 为数据的均值：\(\mu = \frac{1}{ 阅读全文

摘要： Min-Max归一化 一、数学原理 1.1 基础公式 Min-Max归一化（最小-最大标准化）将原始数据线性映射到[0,1]区间： \[x_{\text{norm}} = \frac{x - x_{\min}}{x_{\max} - x_{\min}} \]1.2 扩展到任意区间[a,b] 有时需要 阅读全文

摘要： 一、什么是模型（Model） 1.1 模型的本质 模型是现实世界中复杂关系的简化数学表示。在机器学习中，模型是一个从输入到输出的映射函数： f: X → Y 输入特征 → 预测输出 1.2 模型的组成要素 # 机器学习模型的三个核心组件： 1. 结构（Architecture）：如何组织计算（如线性 阅读全文

摘要： 简单来说： Dataset 是一个仓库或菜单。它定义了数据的来源（如图片文件、文本列表），并告诉程序如何根据索引（像菜单编号）获取一个单独的数据样本。 DataLoader 是一个高效的服务员和厨房。它从 Dataset 中取数据，按照你的要求（如批量大小、是否打乱）打包成批，并利用多进程并行加载， 阅读全文

摘要： 重点梳理了均值、方差、均匀分布、正态分布的概念、数学本质及其在大模型训练中的关键应用 一、 核心概念：描述数据的基础 1. 均值 (Mean / Average) 数学定义：数据集中所有数值之和除以数据个数。 总体均值：μ = (1/N) Σ x_i 样本均值：x̄ = (1/n) Σ x_i 本质 阅读全文

摘要： 系统地解释每个数学概念，提供清晰的数学公式，并用最小但完整的代码示例说明其在大模型中的应用。 1. 基本概念：从标量到张量 1.1 标量 (Scalar) 定义：单个数值，只有大小，没有方向。 数学表示：\(a \in \mathbb{R}\) 大模型意义：表示学习率、温度参数等超参数。 # 标量示 阅读全文

摘要： 🌐 工具简介 dnsx 是一个快速多功能的 DNS 工具包，基于可重试的 DNS 库构建，支持多种 DNS 查询类型和高级功能，是网络安全测试中信息收集阶段的重要工具。 📋 基础用法 dnsx [参数选项] 🎯 参数详解 📥 输入选项 (INPUT) -l, -list string 功能： 阅读全文

摘要： 🚀 工具简介 Naabu 是一个用 Go 语言编写的高速端口扫描工具，能够快速、可靠地枚举主机的开放端口。它是 ProjectDiscovery 工具生态中的重要组成部分，特别适合渗透测试和网络安全评估。 📋 基础用法 naabu [参数选项] 🎯 参数详解 📥 输入选项 (INPUT) - 阅读全文

摘要： DNS 基础概念 1.1 什么是 DNS？ DNS（Domain Name System） 是互联网的"电话簿"，将容易记忆的域名（如 google.com）转换为机器可读的 IP 地址（如 142.250.190.78）。 1.2 核心功能 域名解析：域名 → IP 地址 反向解析：IP 地址 → 阅读全文

摘要： 🌐 工具简介 ASNMap 是一个快速映射组织网络范围的 Go CLI 工具和库，通过 ASN（自治系统号）信息识别组织拥有的 IP 地址范围。支持多种输入方式和输出格式，适合网络安全测试和网络情报收集。 📋 基础用法 asnmap [参数选项] 🎯 参数详解 📥 输入选项 (INPUT) 阅读全文