数据集：1.KDD99 网络流量数据集，有dos,u2r,r21,probe等类行攻击2.HTTP DATASET CSIC 2010，包含sql注入，缓冲区溢出，信息泄露，文件包含，xss等3.SEA数据集，记录了UNIX用户的操作指令（例如cpp,sh等命令）。4.ADFA-LD（linux）和ADFA-WD(windows)数据集，用户系统命令数据集。5.Alexa域名数据

一.尝试了2种方法解决下载过慢问题，修改hosts文件，使用git的git clone，但是都不好用，只好借助第三方二.使用前段时间CSDN推的码云三.具体操作流程1.先复制github 下载地址2.登陆码云，然后创建新项目，点击导入已有项目3.然后将github上复制的下载地址粘贴上去，然后就创建，再下载你这个项目代码就OK啦，速度很快...

平常见到用神经网络做分类比较多，其实神经网络也可以做回归，最后的输出层不一样。转载:[翻译]用神经网络做回归(Using Neural Networks With Regression)

数据集：1.KDD99 网络流量数据集，有dos,u2r,r21,probe等类行攻击2.HTTP DATASET CSIC 2010，包含sql注入，缓冲区溢出，信息泄露，文件包含，xss等3.SEA数据集，记录了UNIX用户的操作指令（例如cpp,sh等命令）。4.ADFA-LD（linux）和ADFA-WD(windows)数据集，用户系统命令数据集。5.Alexa域名数据

MLPClassifier（多层感知器分类器）一.首先简单使用sklearn中的neural_network,实例1:#coding=utf-8'''Created on 2017-12-7'''from sklearn.neural_network import MLPClassifierX = [[0., 0.], [1., 1.]]y = [0, 1]mlp = MLPClas

都是基于Springboot2.x整改一.Insecure Transport: Weak SSL CipherInsecure Transport: Weak SSL Cipher（11285）Insecure Transport: Weak SSL Protocol(11516)Insecure Transport: Weak SSL Protocol(11395)需要进行两步操作:...

从ES下载数据，数据格式为json，然后由pandas进行解析，json中的嵌套字段会进行展开作为列名(由于维度初期无法预测，所以根据数据有啥列就使用啥列，这是最方便的点)，变成表格，方面了后续的处理，但在使用过程却发现原本6.xG的数据量在解析，预处理时候会变成60多G，甚至80G的内存占用，资源难以满足。

安装tensorflow2.0和安装tensorflow_datasetspip install tensorflow==2.0.0-alpha0pip install tensorflow_datasets运行以下代码会发生错误：import tensorflow_datasets as tfdsimport tensorflow as tfdataset, info = tf...

from sklearn.grid_search import GridSearchCVfrom sklearn.svm import SVCimport tflearnimport tflearn.datasets.mnist as mnist#加载数据x_train, y_train, x_test, y_test = mnist.load_data(one_hot=False)#...

第一种，fitimport kerasfrom keras.models import Sequentialfrom keras.layers import Denseimport numpy as npfrom sklearn.preprocessing import LabelEncoderfrom sklearn.preprocessing import OneHotEncoder