计网:概论
概论
1.什么是Internet
(1)节点
主机节点(方)：主机及其上运行的应用程序
数据交换节点(圆)：路由器、交换器等网络交换设备(既不是源也不是目标，中转节点)
(2)边：通信链路
接入网链路(方和圆)：主机连接到互联网的链路
主干链路(圆和圆)：路由器间的链路
(3)协议
对等层的实体在通讯过程中遵循的规则的集合(语法，语义，时序，动作)
PDU:协议数据单元
(4)数以亿计的、互联的计算设备
主机=端系统(end sysytem或host，包括设备本身，操作系统)
端系统同各国因特网服务提供商(ISP)接入因特网,每个ISP是一个由多个分组交换机和多段通信链路
SVM
MathJax.Hub.Config({ tex2jax: {inlineMath: [['$', '$']]}, messageStyle: "none" });
支持向量机
支持向量机是一种二分类模型。它的基本模型是定义在特征空间上的间隔最大化的线性分类器，间隔最大是他有区别于感知机。
支持向量机由简至繁：线性可分支持向量机，线性支持向量机和非线性支持向量机。
1.线性可分支持向量机与硬间隔最大化
1.1 线性可分支持向量机
分离超平面：w∗w^*w∗·x+b∗b^*b∗=0
分类决策函数：f(x)=sign(w∗w^*w∗·x+b∗b^*b∗)
1.2 函数
perceptron
感知机
1.感知机模型
感知机是二类分类的线性分类模型,其输入为实例的特征向量,输出为实例的类别。
参数：
感知机模型：wx+b
由输入空间到输出空间：f(x)=sign(wx+b)
输入空间：X⊆\subseteq⊆ RnR^nRn
输出空间：Y={+1，-1}
输入变量：x ∈\in∈ X
输出变量：y ∈\in∈ Y
内积：wx
偏置：b ∈\in∈ R
2.感知机学习策略
感知机学习的目标是求得一个能够将训练集正实例点和负实例点完全正确分开的分离超平面。
任意一点到超平面S的距离：|w·x0x_0x0+b|/ ||w0w_0w0||
HMM
隐马尔科夫模型
1.隐马尔科夫模型的基本概念
1.1 模型的定义
隐马尔科夫模型适用于标注问题的统计学习模型，描述由隐藏的马尔科夫链随机生成观测序列的过程，属于生成模型。
隐马尔科夫模型是关于时序的概率模型，观测序列是观测变量，状态序列是隐变量，用观测序列求得状态序列(状态序列有时序性关系)
(1)隐马尔可夫模型用概率图模型来表示
(2)组成三要素
λ\lambdaλ=(A,B,π\piπ)
状态转移概率矩阵A
A=[aija_{ij}aij]_{N×N}
EM-algorithm
EM算法
1.EM算法的引入
EM算法是一种迭代算法，用于还有隐变量的概率模型参数的极大似然估计，或极大后验概率。EM算法可以分为两步,E步：求期望；M步：求极大。
1.1 EM算法的推导
面对一个含有隐变量的概率模型，目标是极大化观测数据Y关于参数θ的对数似然函数，即极大化
L(θ)=logP(Y|θ)=log∑Z\sum_{Z}∑ZP(Y,Z|θ)=log(∑Z\sum_{Z}∑ZP(Y|Z,θ)P(Z|θ)) (1)
EM算法是通过迭代逐步近似极大化L(θ)的。假设在第i次迭代后θ的估计值为θ(i)θ^{
paper:Lime
交叉验证：
交叉验证（Cross-validation）是一种用于评估机器学习模型性能的统计方法。它的目的是通过在数据集上进行多次的训练和测试来估计模型的泛化能力，即对新数据的预测能力。
在交叉验证中，将数据集划分为训练集和测试集，然后使用训练集对模型进行训练，再利用测试集评估模型的性能。为了准确评估模型的泛化能力，交叉验证将这个过程重复多次，每次使用不同的数据划分方式。
期刊：KDD 2016
LIME：解释任何机器学习模型预测结果的方法。使用可解释特征训练可解释模型，在特定的局部线性邻域拟合元模型(可解释性特征)
一.摘要
机器学习模型现在仍然主要是黑匣子。理
ChatgptPrompt
Chatgpt Prompt
1.前言
两种大语言模型：
Base LLM
Instruction Tuned LLM
Instruction Tuned LLM通常是在大量文本数据上训练过，然后使用输入输出指令来进行微调,使用rhlf进行进一步优化.
2.指南
①填写明确和具体的指令
Topic1：使用分隔符，Delimiters can be anything like: ```, “”", < >,
输入：
12345678910111213141516171819text = f"""You should e
Using CheatEngine
一.基础知识
1.计算机时如何运行游戏的
(1)CPU的本质
CPU ——> 逻辑电路 ——> 逻辑运算 ——> 只能做简单的事情
(2) CPU的工作方式
(3)数据和指令编码
数据的编码：1101= 1x8 + 1x4 + 0x2 + 1x1=13
指令的编码：11 01 00 0110 = add A B 存储到C
如何区分数据和指令：靠上下文信息判断编码含义
二.CheatEngine通关
1.选择进程
通过点击一个类似于电脑显示屏的按钮来选择自己调试的程序(xxx.exe).
2.精确值扫描(已知初始值)
(1)将当前生命值输入到数值中
(2)扫
paper:Casual_Analysis_Churn
Reading 《Causal Analysis of Customer Churn Using Deep Learning》
🔗：Improved Churn Causal Analysis through Restrained High-dimensional Feature Space Effects
in Financial Institutions
🔗：Causal Analysis of Customer Churn Using Deep Learning
Modeling Approach
摘要
流失模型的因果分析可以预测客户在可预见的未来是否会流失，并帮助企业识别
« 上一页 1 … 29 30 31
