暗香画楼

PCA 算法, 也就是主成分分析法 (Principal Component Analysis), 是一种数据降维算法, 能够在尽可能保留数据特征的同时压缩数据, 降低数据复杂度, 便于数据分析的进行.

本文简要介绍 PCA 算法的基本思想与数学推导, 并在文末提供对应的 python 实现.

本文记于某次密码作业课余, 提供对 ECC 算法的简要介绍与简单实现, 文末附有代码.

本文是对知乎的一篇文章扩散模型 Diffusion Models - 原理篇的摘要性总结.

终于写完了最后一篇! (撒花~), 点我查看全系列内容.

虽然这个系列就此完结, 但是只是因为我觉得再写下去已经不算速通的内容了, 我只写了最基本的必需内容.

我相信如果真的好好看完了的话, 应付一下平常的作业应该绰绰有余了. 但是如果真的想要学有所获, 这个系列里的东西真的太浅了, 每一篇都只是入个门而已, 你得花上看这个系列的十倍以上的时间去学习, 去尝试.

这个系列也算是对本科四年一些知识点的总结吧, 都是蜻蜓点水般的带过, 希望日后自己再看到时, 还能够想起来都学了些啥.

就这样了, 网安本科速通, 完成!

这是网安本科速通系列的最后一篇了, 主题还是 pytorch, 但是问题换成了 NLP, 并且还是以经典的文本分类作为示例, 数据集使用与前面经典问题之文本分类相同的一份小数据集, 方便进行比较.

阅读本篇前需要先看前两篇, 经典问题之文本分类与基于 PyTorch 的手写数字分类. 本篇的项目代码和数据集是以前两篇作为基础的, 并且也会精简正文内容.

本篇算是对 pytorch 这一 python 深度学习库神器的入门教程, 以手写数字分类这一经典问题做示例, 来概括一下如何使用 pytorch 来搭建一个自定义的网络结构, 并加以训练.

成为一个熟练的调包侠是速通的关键要素之一, 在无数的课程大作业和小任务中, 使用机器学习来解决一些问题算是经典中的经典典中典, 比如通过文本分类来实现垃圾邮件过滤. 因此本篇将基于 python 中最常用的机器学习库 scikit-learn, 用朴素贝叶斯模型来完成一次文本分类任务.

本篇是基于 python 语言及其第三方库 requests 的爬虫入门, 实现一个最简单的爬虫, 从网页上自动化获取我们能想要的信息.

git 你可能用不到但是 github 肯定用得到, 因为面对一大堆代码任务, 谁都想去抄借鉴一下他人优秀的代码.

因此本篇将向萌新们介绍一下版本管理工具 git 与全世界最大的代码托管平台 github 的基本使用方法.

Github 时断时连? git clone 老是失败? 谷歌学术无法使用? ......

没有关系! 看了本篇以后, 从此不在担忧, 让你在互联网的世界里畅通无阻.

本篇为一篇小白入门, 旨在简单介绍解决上述问题的基本方案, 让你扫清上网时的 "最后 1 KB".