<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/dingcan2810</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; dingcan2810]]></copyright><item><title><![CDATA[MetInfo  Password Reset Poisoning By Host Header Attack]]></title><link>https://blog.youkuaiyun.com/dingcan2810/article/details/102235419</link><guid>https://blog.youkuaiyun.com/dingcan2810/article/details/102235419</guid><author>dingcan2810</author><pubDate>Sat, 03 Mar 2018 21:35:00 +0800</pubDate><description><![CDATA[if we know some user's email, the we will can reset the user's email by host header attack.
The attack vector is that the user binded email and we know the user's email.
The following POST reques...]]></description><category></category></item><item><title><![CDATA[wechall writeup]]></title><link>https://blog.youkuaiyun.com/dingcan2810/article/details/102235417</link><guid>https://blog.youkuaiyun.com/dingcan2810/article/details/102235417</guid><author>dingcan2810</author><pubDate>Sun, 23 Jul 2017 22:53:00 +0800</pubDate><description><![CDATA[记录做wechall的题解


转载于:https://www.cnblogs.com/babers/p/7226535.html]]></description><category></category></item><item><title><![CDATA[SQL常用语句]]></title><link>https://blog.youkuaiyun.com/dingcan2810/article/details/102235410</link><guid>https://blog.youkuaiyun.com/dingcan2810/article/details/102235410</guid><author>dingcan2810</author><pubDate>Thu, 29 Jun 2017 09:09:00 +0800</pubDate><description><![CDATA[简介
记录平时经常用到但是又扰你故意忘掉的SQL语句
关闭MySQL的严格模式
phpstudy默认开启了严格模式，很多时候需要在非严格模式下才有用。下面的语句说明如何关闭严格模式。
在MYSQL配置文件my.ini中，注释下面这行
sql-mode="NO_AUTO_CREATE_USER,NO_ENGINE_SUBSTITUTION"
关闭secure-file-priv
在my.i...]]></description><category></category></item><item><title><![CDATA[PHP Tips]]></title><link>https://blog.youkuaiyun.com/dingcan2810/article/details/102235414</link><guid>https://blog.youkuaiyun.com/dingcan2810/article/details/102235414</guid><author>dingcan2810</author><pubDate>Mon, 26 Jun 2017 22:10:00 +0800</pubDate><description><![CDATA[开启x_debug，使用var_dump()的显示效果会更好，同时错误也很更详细。



转载于:https://www.cnblogs.com/babers/p/7082730.html]]></description><category></category></item><item><title><![CDATA[PHP版本差异备忘录]]></title><link>https://blog.youkuaiyun.com/dingcan2810/article/details/102235408</link><guid>https://blog.youkuaiyun.com/dingcan2810/article/details/102235408</guid><author>dingcan2810</author><pubDate>Thu, 08 Jun 2017 16:30:00 +0800</pubDate><description><![CDATA[5.2版本
默认开启了GPC 【之后的版本默认不开启】
在声明为static方法时，无需在方法前面加入static关键 【以后的版本强制增加static关键字】


转载于:https://www.cnblogs.com/babers/p/6963531.html...]]></description><category></category></item><item><title><![CDATA[Docker入门]]></title><link>https://blog.youkuaiyun.com/dingcan2810/article/details/102235413</link><guid>https://blog.youkuaiyun.com/dingcan2810/article/details/102235413</guid><author>dingcan2810</author><pubDate>Mon, 05 Jun 2017 16:12:00 +0800</pubDate><description><![CDATA[Docker简介
Docker使用Google公司推出的Go语言进行开发实现，基于Linux内核的cgroup，namespace，以及 AUFS 类的 Union FS 等技术，对进程进行封装隔离，属于操作系统层面的虚拟化技术。由于隔离的进程独立于宿主和其它的隔离的进程，因此也称其为容器。
Docker在容器的基础上，进行了进一步的封装，从文件系统、网络互联到进程隔离等的，极大的简化了...]]></description><category></category></item><item><title><![CDATA[JetBrains系列软件用法]]></title><link>https://blog.youkuaiyun.com/dingcan2810/article/details/102235405</link><guid>https://blog.youkuaiyun.com/dingcan2810/article/details/102235405</guid><author>dingcan2810</author><pubDate>Sat, 20 May 2017 22:12:00 +0800</pubDate><description><![CDATA[IDEA
JSON格式化
IDEA的JSON_Formatter插件，下载地址
安装方式：File-&gt;Settings-&gt;Plugins,然后选择INstall plugin from disk,选择下载的JSON Formatter的zip文件接口安装成功。
使用方法为：

贴上自己需要格式化的字符串，然后点击Format即可进行格式化。
通用快捷键
【Shift+Shif...]]></description><category></category></item><item><title><![CDATA[Andrew Ng机器学习算法入门(十):过拟合问题解决方法]]></title><link>https://blog.youkuaiyun.com/dingcan2810/article/details/102235393</link><guid>https://blog.youkuaiyun.com/dingcan2810/article/details/102235393</guid><author>dingcan2810</author><pubDate>Mon, 08 May 2017 23:30:00 +0800</pubDate><description><![CDATA[在使用机器学习对训练数据进行学习和分类的时候，会出现欠拟合和过拟合的问题。那么什么是欠拟合和过拟合问题呢？


转载于:https://www.cnblogs.com/babers/p/6828514.html...]]></description><category></category></item><item><title><![CDATA[Andrew Ng机器学习算法入门(九):逻辑回归]]></title><link>https://blog.youkuaiyun.com/dingcan2810/article/details/102235395</link><guid>https://blog.youkuaiyun.com/dingcan2810/article/details/102235395</guid><author>dingcan2810</author><pubDate>Sat, 06 May 2017 17:08:00 +0800</pubDate><description><![CDATA[逻辑回归
先前所讲的线性回归主要是一个预测问题，根据已知的数据去预测接下来的情况。线性回归中的房价的例子就很好地说明了这个问题。
然后在现实世界中，很多问题不是预测问题而是一个分类问题。

如邮件是否为垃圾邮件、金融交易是否正常，肿瘤是否是良性的。这新问题都是一个分类。
在分类问题中，结果一般是为0和1，0称为负样本或者是负类，如良性肿瘤。1称为正样本或者是正类，如恶性肿瘤。
那么是否能...]]></description><category></category></item><item><title><![CDATA[Andrew Ng机器学习算法入门(八):正规方程]]></title><link>https://blog.youkuaiyun.com/dingcan2810/article/details/102235404</link><guid>https://blog.youkuaiyun.com/dingcan2810/article/details/102235404</guid><author>dingcan2810</author><pubDate>Fri, 28 Apr 2017 11:45:00 +0800</pubDate><description><![CDATA[正规方程
在先学习正规方程之前，先来复习一下之前学过的常规的回归方程的解法。
假设存在如果的代价函数，

，解法也十分的简答。
但是有时候遇到的情况或许会变得相当的复杂。

的数，如果是按照常规的方式进行求解，那么按照之前的求解方式，就需要对每一个theta进行微分，然后综合求最小值,这样的运算结果可能最后是相当的复杂。
那么这个时候正规方程就非常有用了。
正规方程对于theat的求解非...]]></description><category></category></item><item><title><![CDATA[Andrew Ng机器学习算法入门((七):特征选择和多项式回归]]></title><link>https://blog.youkuaiyun.com/dingcan2810/article/details/102235411</link><guid>https://blog.youkuaiyun.com/dingcan2810/article/details/102235411</guid><author>dingcan2810</author><pubDate>Tue, 25 Apr 2017 14:13:00 +0800</pubDate><description><![CDATA[特征选择
还是回归到房价的问题。在最开始的问题中，我们假设房价与房屋面积有关，那么最开始对房价预测的时候，回归方程可能如下所示：

其中frontage表示的房子的长，depth表示的是房子的宽。
但长和宽显然不是用于预测房价的一个很好的特征，正常的特征应该是房屋面积，那么正常的线性方程应该为：

其中X表示的房屋面积。
所以选择了合适的特征，对算法进行预测和分类是非常有好处的
多项式回...]]></description><category></category></item><item><title><![CDATA[Andrew Ng机器学习算法入门((六):多变量线性回归方程求解]]></title><link>https://blog.youkuaiyun.com/dingcan2810/article/details/102235400</link><guid>https://blog.youkuaiyun.com/dingcan2810/article/details/102235400</guid><author>dingcan2810</author><pubDate>Tue, 25 Apr 2017 10:30:00 +0800</pubDate><description><![CDATA[多变量线性回归
之前讨论的都是单变量的情况。例如房价与房屋面积之前的关系，但是实际上，房价除了房屋面积之外，还要房间数，楼层等因素相关。那么此时就变成了一个多变量线性回归的问题。在实际问题中，多变量的线性回归问题是更加常见的。
下面这个例子就是表明了我上面所说的情况。

之前的单变量线性回归的问题，最后求解得到的是一个线性方程。那么在多变量线性回归中，得到的是：

其中X，theta都是...]]></description><category></category></item><item><title><![CDATA[Andrew Ng机器学习算法入门((五):矩阵和向量]]></title><link>https://blog.youkuaiyun.com/dingcan2810/article/details/102235398</link><guid>https://blog.youkuaiyun.com/dingcan2810/article/details/102235398</guid><author>dingcan2810</author><pubDate>Fri, 21 Apr 2017 22:34:00 +0800</pubDate><description><![CDATA[矩阵定义
数学上，一个m×n的矩阵是一个由m行n列元素排列成的矩形阵列

使用Aij来获取矩阵中第i行j列的数据

向量的定义
向量就是n行1列的特殊矩阵

由于向量仅仅只有1行，那么通过一个变量i来指定获取第i行的数据，很容易理解。

矩阵运算
矩阵加法
矩阵的加法，要求两个矩阵或者是多个矩阵，要求所有的矩阵的列和行都是一样的，例如都是3X2的矩阵，或者是5x8矩阵。矩阵的加法就是将对...]]></description><category></category></item><item><title><![CDATA[Python常用语句]]></title><link>https://blog.youkuaiyun.com/dingcan2810/article/details/102235409</link><guid>https://blog.youkuaiyun.com/dingcan2810/article/details/102235409</guid><author>dingcan2810</author><pubDate>Fri, 21 Apr 2017 21:38:00 +0800</pubDate><description><![CDATA[遍历文件
方式一
from os import listdir
from os.path import isfile, join
onlyfiles = [f for f in listdir(mypath) if isfile(join(mypath, f))]
方式二
from os import walk

f = []
for (dirpath, dirnames, filena...]]></description><category></category></item><item><title><![CDATA[Linux常用命令集锦]]></title><link>https://blog.youkuaiyun.com/dingcan2810/article/details/102235406</link><guid>https://blog.youkuaiyun.com/dingcan2810/article/details/102235406</guid><author>dingcan2810</author><pubDate>Fri, 21 Apr 2017 21:29:00 +0800</pubDate><description><![CDATA[记录一些平时经常用到，但是总是记不住的一些命令，以后会不定期更新
挂载
# 查看移动硬盘的信息
sudo fdisk -l
# 建立需要挂载的目录,这一步可选择
mkdir ~/tmpdata
# 挂载磁盘
sudo mount -t ntfs /dev/sdc1/ ~/tmpdata
# 卸载移动磁盘
sudo umount ~/tmpdata
计算文件数目
ls -l dirpath...]]></description><category></category></item><item><title><![CDATA[Andrew Ng机器学习算法入门(四):阶梯下降算法]]></title><link>https://blog.youkuaiyun.com/dingcan2810/article/details/102235402</link><guid>https://blog.youkuaiyun.com/dingcan2810/article/details/102235402</guid><author>dingcan2810</author><pubDate>Wed, 19 Apr 2017 23:04:00 +0800</pubDate><description><![CDATA[梯度降级算法简介
之前如果需要求出最佳的线性回归模型，就需要求出代价函数的最小值。在上一篇文章中，求解的问题比较简单，只有一个简单的参数。梯度降级算法就可以用来求出代价函数最小值。
梯度降级算法的在维基的定义:

梯度下降法是一个一阶最优化算法，通常也称为最速下降法。 要使用梯度下降法找到一个函数的局部极小值，必须向函数上当前点对应梯度（或者是近似梯度）的反方向的规定步长距离点进行迭代搜...]]></description><category></category></item><item><title><![CDATA[AZscaaner源码解读之数据库连接(一)]]></title><link>https://blog.youkuaiyun.com/dingcan2810/article/details/102235399</link><guid>https://blog.youkuaiyun.com/dingcan2810/article/details/102235399</guid><author>dingcan2810</author><pubDate>Tue, 18 Apr 2017 20:49:00 +0800</pubDate><description><![CDATA[准备开个新坑，但是可能近期不会更新，先写一篇开个头。
sqlalchemy
目前在Python中使用得比较多的是sqlalchemy,sqlalchemy是一个对象关系映射(ORM)。sqlalchemy主要适用的是关系型数据库，包括常见的mysql,sqlserver,sqlite等。
本节主要是讲的sqlalchemy连接mysql。可以参考文档，SQLAlchemy 1.2 Doc...]]></description><category></category></item><item><title><![CDATA[Andrew Ng机器学习算法入门(三):线性回归算法]]></title><link>https://blog.youkuaiyun.com/dingcan2810/article/details/102235397</link><guid>https://blog.youkuaiyun.com/dingcan2810/article/details/102235397</guid><author>dingcan2810</author><pubDate>Tue, 18 Apr 2017 15:11:00 +0800</pubDate><description><![CDATA[线性回归
线性回归，就是能够用一个直线较为精确地描述数据之间的关系。这样当出现新的数据的时候，就能够预测出一个简单的值。
线性回归中最常见的就是房价的问题。一直存在很多房屋面积和房价的数据，如下图所示：

在这种情况下，就可以利用线性回归构造出一条直线来近似地描述放假与房屋面积之间的关系，从而就可以根据房屋面积推测出房价。
线性回归模型
通过线性回归构造出来的函数一般称之为了线性回归模型...]]></description><category></category></item><item><title><![CDATA[Andrew Ng机器学习算法入门(二):机器学习分类]]></title><link>https://blog.youkuaiyun.com/dingcan2810/article/details/102235396</link><guid>https://blog.youkuaiyun.com/dingcan2810/article/details/102235396</guid><author>dingcan2810</author><pubDate>Mon, 17 Apr 2017 16:29:00 +0800</pubDate><description><![CDATA[机器学习的定义

Arthur Samuel给出的定义，Field of Study that gives computers the ability to learn without being explicitly programmed.（在不直接针对问题进行编程的情况下，赋予计算机学习能力的一个研究领域）
Tom Mitchell给出的定义，A computer program i...]]></description><category></category></item><item><title><![CDATA[Andrew Ng机器学习算法入门(一):简介]]></title><link>https://blog.youkuaiyun.com/dingcan2810/article/details/102235412</link><guid>https://blog.youkuaiyun.com/dingcan2810/article/details/102235412</guid><author>dingcan2810</author><pubDate>Sun, 16 Apr 2017 20:00:00 +0800</pubDate><description><![CDATA[简介
最近在参加一个利用机器学习来解决安全问题的算法比赛，但是对机器学习的算法一直不了解，所以先了解一下机器学习相关的算法。
Andrew Ng就是前段时间从百度离职的吴恩达。关于吴恩达是谁，相信程序员/媛都知道。
Andrew Ng的机器学习的公开课其实就是当年吴恩达还在斯坦福大学时在coursera上面开设的一门机器学习的入门的公开课，课程地址链接为Andrew Ng机器学习公开课
...]]></description><category></category></item></channel></rss>