Intuition Enumeration nmap 使用 nmap 扫描系统常见端口，发现对外开放了 22 和 80，然后扫描这两个端口的详细信息 ┌──(kali㉿kali)-[~/vegetable/HTB/Intuition]└─$ nmap -sC -sV -p 22,80 -oA nmap 10.10.11.15 Starting Nmap 7.93 ( https:/

这仅是本人在cousera上学习机器学习的笔记，不能保证其正确性，谨慎参考 1、算法模型，hypothesis（假设），h表示x到y的映射函数： 2、单值线性回归举例分析 3、J为平方误差代价函数（squared error function），为什么除以2*m问不是除以m，视频中说除以2是为求最小值。 4、代价函数（cost function）说明： “The mean i

观看斯坦福大学公开课CS230后记录笔记，以便以后查阅之用。 使用逻辑回归解决特定目标是否在图片中问题时，对于判断目标是否存在于图片中，对输出的编码可以采用sigmoid函数编码，设置一个阈值，当模型输出大于阈值时，判断存在，反之不存在图中。 解决一个动物分类问题时，当图片中只有一个动物时，可以使用One-Hot编码，当图片中存在多个动物时，也可以采One-Hot编码，例如[1,1,0]

这里是看吴恩达课程的一些记录和联想（因为以前听过，因此不会很细致，只做个人记录） 课程链接 首先提到training set, validation set (dev set)，test set的分割问题。老师提到，最常用的划分方法传统方法是三七分（也就是training 70%，validation+test 30%，一般而言validation 20% test 10%），同时，这也是应对