最大熵原理是在1957 年由E.T.Jaynes 提出的,其主要思想是,在只掌握关于未知分布的部分知识时,应该选取符合这些知识但熵值最大的概率分布。因为在这种情况下,符合已知知识的概率分布可能不止一个。我们知道,熵定义的实际上是一个随机变量的不确定性,熵最大的时候,说明随机变量最不确定。

        在《逻辑回归算法》一问中,我们介绍了逻辑回归算法的原理,这一篇文章,我们将通过逻辑回归算法的原理,动手用python实现一遍,以加深对逻辑回归算法的理解。同时跟scikit-learn的逻辑回归工具进行效果对比。

逻辑回归是机器学习中的一种分类模型,在现实中应用非常广泛。在这篇文章中,我们主要关注逻辑回归算法的模型、参数求解和公式推导,其中涉及到代价函数、最大似然估计、梯度下降等关键知识。同时讨论逻辑回归在多分类问题中的应用,以及过拟合问题的优化。

线性回归算法是机器学习里面最基础、最简单的算法,但是它在实际应用中非常广泛。在接下来的内容,我们将通过一个房价预测问题来引入探讨线性回归算法的数学原理、代价函数、梯度下降算法等。并在分析完原理之后,用python完全实现一遍,并和scikit-learn的机器学习库对比实际的预测效果。

作者戴安娜.马尔卡在书中提到“零工经济”这一概念,如果把现在的工作世界当成一把尺子,那它的一头是传统意义上的全职工作,另一头就是失业。那么两头之间范围广、种类多的工作选择就是零工经济。也就是说零工经济包括兼职工作、自由职业、临时工作、副业、个体经营,以及通过各种自由职业平台(像国内的猪八戒等平台)等诸多选择。可以发现,区别于我们现在所处的职业劳动市场,零工经济包含的诸多工作选择是一个工作劳动市场。它给公司和工作者提供了一个新的选择,来替代所谓的“完全通用”的全职员工的工作模式,从事零工经济的工作,工作者可以获得更好的独立性、灵活性和自主权,而在我们传统的工作环境中,这种是很难做到的。

以前花了将近一年多的时间学习移动安全,期间也遇到了各种坑,特别是学习Android加固的知识,由于Android加固技术门槛比较高,在网上想要找到系统的资料还是很困难的,一些相关的入门资料也比较少。在这里,我也把自己以前学习的经历和遇到的坑做一些总结,希望能给一些刚入门移动安全行业的同学一些参考,避免入坑。

布隆过滤器(Bloom Filter)是1970年由布隆提出的,它实际上是由一个很长的二进制向量和一系列随意映射函数组成。
它是一种基于概率的数据结构,主要用来判断某个元素是否在集合内,它具有运行速度快(时间效率),占用内存小的优点(空间效率),但是有一定的误识别率和删除困难的问题。它能够告诉你某个元素一定不在集合内或可能在集合内。