自定义博客皮肤VIP专享

*博客头图：

点击选择上传的图片

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

点击选择上传的图片

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

点击选择上传的图片

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览取消提交

自定义博客皮肤

-+

上一步保存

weixin_52941926的博客

不咸还不鱼 CSDN认证博客专家 CSDN认证企业博客

码龄4年

7: 原创

105万+: 周排名

40万+: 总排名

2万+: 访问

: 等级

105: 积分

6: 粉丝

30: 获赞

4: 评论

126: 收藏

私信

关注

热门文章

分类专栏

Linux运维 5篇
Centos 5篇
邮件服务器 1篇
DNS 1篇
PwnTheBox 2篇
渗透工具 1篇

最新评论

一个比StegSolve更方便的工具—zsteg
小蜗牛狂飙记: [code=php] 一： zsteg misc17.png --all [?] 3544 bytes of extra data after zlib stream extradata:0 .. 00000000: e1 1f 30 53 86 4f c5 a4 1b f5 e6 e5 c7 46 0a 92 |..0S.O.......F..| 00000010: 9b ee 72 e7 c9 9e b9 a7 74 de 92 4d ad 61 5b 58 |..r.....t..M.a[X| 00000020: f2 98 65 77 2b d2 d3 85 32 fc 08 83 86 1f 0f 1e |..ew+...2.......| 00000030: cb ab ac 9c 4b ca 02 20 e2 ce e4 ae 60 1a 2c c6 |....K.. ....`.,.| 00000040: 7b c8 9a 77 31 2f 9e 67 db d9 3e 53 fe 17 a5 50 |{..w1/.g..>S...P| 00000050: 20 e5 1d 8c d5 49 4e 52 a5 54 31 cb 8b c5 3b 09 | ....INR.T1...;.| 二： zsteg -e extradata:0 misc17.png > a.txt 三： binwalk -e a.txt --run-as=root [/code]
一个比StegSolve更方便的工具—zsteg
小蜗牛狂飙记: zsteg <文件名> --all
Centos中配置一个简单的dns服务器
m0_66621367: 192.168.31.208 是从哪得出来的
一个比StegSolve更方便的工具—zsteg
m0_59180481: swirling.she's.swr2from sklearn import svm from sklearn.datasets import load_iris #引用sklearn内方法加载鸢尾花数据集 from sklearn.model_selection import train_test_split from sklearn.model_selection import GridSearchCV import numpy as np from sklearn.preprocessing import scale data = load_iris() feature = data.data target = data.target # 分割数据集0.8作为训练 x_train, x_test, y_train, y_test = train_test_split(feature, target, random_state=1, train_size=0.8) # c=1 k=linear clf_linear = svm.SVC(C=1, kernel='linear', decision_function_shape='ovr') # linear rbf clf_linear.fit(x_train, y_train.ravel()) print("c=1 linear-训练集准确率：", clf_linear.score(x_train, y_train)) print("c=1 linear-测试集准确率：", clf_linear.score(x_test, y_test)) # c=1 k=rbf clf_linear = svm.SVC(C=1, kernel='rbf', decision_function_shape='ovr') # linear rbf clf_linear.fit(x_train, y_train.ravel()) print("c=1 rbf-训练集准确率：", clf_linear.score(x_train, y_train)) print("c=1 rbf-测试集准确率：", clf_linear.score(x_test, y_test)) # c=0.01 k=rbf clf_linear_1 = svm.SVC(C=0.01, kernel='rbf', decision_function_shape='ovr') # linear rbf clf_linear_1.fit(x_train, y_train.ravel()) print("c=0.01 rbf-训练集准确率：", clf_linear_1.score(x_train, y_train)) print("c=0.01 rbf-测试集准确率：", clf_linear_1.score(x_test, y_test)) # c=0.1 k=rbf clf_linear_2 = svm.SVC(C=0.1, kernel='rbf', decision_function_shape='ovr') # linear rbf clf_linear_2.fit(x_train, y_train.ravel()) print("c=0.1 rbf-训练集准确率：", clf_linear_2.score(x_train, y_train)) print("c=0.1 rbf-测试集准确率：", clf_linear_2.score(x_test, y_test)) # c=10 k=rbf clf_linear_3 = svm.SVC(C=10, kernel='rbf', decision_function_shape='ovr') # linear rbf clf_linear_3.fit(x_train, y_train.ravel()) print("c=10 rbf-训练集准确率：", clf_linear_3.score(x_train, y_train)) print("c=10 rbf-测试集准确率：", clf_linear_3.score(x_test, y_test))
在centos环境中简单搭建邮件服务器
阿J~: 学习的道路上一起进步，也期待你的关注与支持！

最新文章

Linux运维

关注

文章平均质量分 78

关注数：文章数：5 文章阅读量：9158 文章收藏量：19

作者: 不咸还不鱼

这个作者很懒，什么都没留下…

展开