事件处理及拾取 matplotlib使用了许多用户界面工具包（wxpython，tkinter，qt4，gtk和macosx），为了支持交互式平移和缩放图形等功能，拥有一套API通过按键和鼠标移动与图形交互，并且『GUI中立』，对开发人员十分有帮助，所以我们不必重复大量的代码来跨不同的用户界面。虽然事件处理API是GUI中立的，但它是基于GTK模型，这是matplotlib支持的第一个用户界面。与标准GUI事件相比，被触发的事件也比matplotlib丰富一些，例如包括发生事件的matplotlib.axes.Axes的信息。事件还能够理解matplotlib坐标系，并且在事件中以像素和数...

2.PythonHotshot模块 难度：高 URL：无 报告链接：http://bugs.python.org/issue24481 报告日期：2015.7.20 奖金：$500 描述： 像PHP一样，Python编程语言也是用C编写的，它在之前提到过，自己管理内存。PythonHotshot模块是一个现有profile模块的替代品，并且几乎都是用C编写，比现有的profile模块产生一些更微小的性能影响。但是2015年7月，该模块中发现了缓冲区溢出漏洞，和尝试将字符串从一个内容位置复制到另一个的代码有关。 本质上，这个漏洞的代码叫做memcpy方法，它将内容从一个地方复制到另一个地址，接...

4.HackerOne信号操作 难度：低 URL：hackerone.com/reports/XXXXX 报告链接：https://hackerone.com/reports/106305 报告日期：2015.12.21 奖金：$500 描述： 在2015年年末，HackerOne向站点进入了新的功能，叫做信号。本质上，在这些报告关闭之后，它有助于识别黑客的之前漏洞报告的有效性。重要的是要注意，用户可以关闭它们在HackerOn上的报告，这本应该对他们的声誉和信号功能毫无影响。 所以，你可以猜到，在测试该功能的时候，一个黑客发现了这个功能的不合理实现，并且允许黑客向任何团队创建报告，自己关闭...

七、CRLF注入 作者：PeterYaworski 译者：飞龙 协议：CCBY-NC-SA4.0 CRLF注入是一类漏洞，在用户设法向应用插入CRLF时出现。在多种互联网协议中，包括HTML，CRLF字符表示了行的末尾，通常表示为\r\n，编码后是%0D%0A。在和HTTP请求或响应头组合时，这可以用于表示一行的结束，并且可能导致不同的漏洞，包括HTTP请求走私和HTTP响应分割。 对HTTP请求走私而言，它通常在HTTP请求传给服务器，服务器处理它并传给另一个服务器时发生，例如代理或者防火墙。这一类型的漏洞可以导致： 缓存污染，它是一种场景，攻击者可以修改缓冲中的条目，并托管恶意页面...

格式化字符串漏洞近几年出现频率少了，但是一些CTF中还有涉及，就当玩玩好了。 首先看这一段代码，什么比赛的题我忘了： include<stdio.h> intmain(void) { intflag=0; intp=&flag; chara[100]; scanf("%s",a); printf(a); if(flag2000) { printf("good!!\n"); } return0; } 目标是拿到Flag。我们使用GCC编译之后用ObjDump反编译： 8048507:c7458800000000movl$0x0,-0x78(%ebp);flag 80...

十九、数据整理（上） 作者：ChrisAlbon 译者：飞龙 协议：CCBY-NC-SA4.0 在Pandas中通过分组应用函数 importpandasaspd 创建示例数据帧 data={'Platoon':['A','A','A','A','A','A','B','B','B','B','B','C','C','C','C','C'], 'Casualties':[1,4,5,7,5,5,6,1,4,5,6,7,4,6,4,6]} df=pd.DataFrame(data) df Casualties Platoon 0 1 A 1 4 A 2 ...

二十、数据可视化 作者：ChrisAlbon 译者：飞龙 协议：CCBY-NC-SA4.0 MatPlotLib中的双向条形图 %matplotlibinline importpandasaspd importmatplotlib.pyplotasplt importnumpyasnp 创建数据帧 raw_data={'first_name':['Jason','Molly','Tina','Jake','Amy'], 'pre_score':[4,24,31,2,3], 'mid_score':[25,94,57,62,70], 'post_score':[5,43,23,23,5...

PTE:PredictiveTextEmbeddingthroughLarge-scaleHeterogeneousTextNetworks Arxiv1508.00200 三、问题定义 让我们首先正式定义异构文本网络上的预测性文本嵌入的问题。与无监督的文本嵌入方法（包括学习文本的一般语义表示的Skip-gram和段落向量）相比，我们的目标是学习为给定文本分类任务优化的文本表示。换句话说，我们预期文本嵌入对给定任务具有强大的预测性表现力。基本思想是在学习文本嵌入时合并有标签和无标签的信息。为了实现这一点，希望首先具有统一表示来编码两种类型的信息。在本文中，我们提出了不同类型的网络来实现这一点...

作者：瞌睡龙@乌云知识库 《sqlmap用户手册》其实只写了大部分可能用到的参数，还有些并未写，这次补上 ps：其实看到zone里很多问sqlmap的问题在通读看完那篇文章后都能解决。可惜啊，现在的人通读看文章的耐心都没有了，遇到了哪个问题就想起针对这个问题求助，却不知道仔细看完之后，以后可以省多少时间来求助，吐槽完毕，正文开始： 对Windows注册表操作 当数据库为MySQL，PostgreSQL或MicrosoftSQLServer，并且当前web应用支持堆查询。当然，当前连接数据库的用户也需要有权限操作注册表。 读取注册表值 参数：–reg-read 写入注册表值 参数：–reg...

作者：Datawhale 关于Kaggle瓜事件，最近得到很多竞赛圈朋友的关注，也导致很多参加竞赛的朋友深受其扰。事实上整个事件是因为kaggle比赛上两个队伍因为提交的sub一样，被取消了成绩，不管原因是什么，有错认错，该批评则批评。 但是杰少，鱼佬，有夕，小兔子乖乖等圈内竞赛选手，自始至终从没有被Kaggle点名和取消成绩，也被卷入了其中，矛头直指，甚至是Kaggle数据竞赛星球社区嘉宾某洋，某翔宇，某KaggleGM等也无辜躺枪。 从打竞赛到成为竞赛圈头部选手，本身付出了比常人更多的艰辛，这样的人身攻击和公开诋毁对他们带来的负面影响有多大，谁又能感同深受？他们开始被同事，朋友，同学...

译者：YifDu 协议：CCBY-NC-ND4.0 欢迎任何人参与和完善：一个人可以走的很快，但是一群人却可以走的更远。 本书旨在为新人提供自然语言处理（NLP）和深度学习，以涵盖这两个领域的重要主题。这两个主题领域都呈指数级增长。对于一本介绍深度学习和强调实施的NLP的书，本书占据了重要的中间地带。在写这本书时，我们不得不对哪些材料遗漏做出艰难的，有时甚至是不舒服的选择。对于初学者，我们希望本书能够为基础知识提供强有力的基础，并可以瞥见可能的内容。特别是机器学习和深度学习是一种经验学科，而不是智力科学。我们希望每章中慷慨的端到端代码示例邀请您参与这一经历。当我们开始编写本书时，我们从...

十一、线性回归 作者：ChrisAlbon 译者：飞龙 协议：CCBY-NC-SA4.0 添加交互项 加载库 fromsklearn.linear_modelimportLinearRegression fromsklearn.datasetsimportload_boston fromsklearn.preprocessingimportPolynomialFeatures importwarnings 屏蔽警告 warnings.filterwarnings(action="ignore",module="scipy",message="^internalgelsd") 加载...

8.15Matplotlib中的三维绘图 原文：Three-DimensionalPlottinginMatplotlib 译者：飞龙 协议：CCBY-NC-SA4.0 本节是《Python数据科学手册》（PythonDataScienceHandbook）的摘录。 Matplotlib最初设计时只考虑了二维绘图。在1.0版本发布时，一些三维绘图工具构建在Matplotlib的二维显示之上，结果是一组方便（但是有限）的三维数据可视化工具。通过导入mplot3d工具包来启用三维绘图，它包含在主要的Matplotlib安装中： frommpl_toolkitsimportmplot3d ...

4.2多层感知机回归（时间序列） 这篇教程中，我们使用多层感知机来预测时间序列，这是回归问题。 操作步骤 导入所需的包。 importtensorflowastf importnumpyasnp importpandasaspd importmatplotlibasmpl importmatplotlib.pyplotasplt 导入数据，并进行预处理。我们使用国际航班乘客数据集，由于它不存在于任何现有库中，我们需要先下载它。 ts=pd.read_csv('international-airline-passengers.csv',usecols=[1],header=0).drop...

8.9自定义图例 原文：CustomizingPlotLegends 译者：飞龙 协议：CCBY-NC-SA4.0 本节是《Python数据科学手册》（PythonDataScienceHandbook）的摘录。 绘图的图例将意义赋予可视化，为各种绘图元素标识意义。我们以前看过如何创建简单的图例；在这里，我们将介绍如何在Matplotlib中自定义图例的位置和样式。 可以使用plt.legend()命令创建最简单的图例，该命令会自动为任何已标记的绘图元素创建图例： importmatplotlib.pyplotasplt plt.style.use('classic') %matpl...

十六、朴素贝叶斯 作者：ChrisAlbon 译者：飞龙 协议：CCBY-NC-SA4.0 伯努利朴素贝叶斯 伯努利朴素贝叶斯分类器假设我们的所有特征都是二元的，它们仅有两个值（例如，已经是独热编码的标称分类特征）。 加载库 importnumpyasnp fromsklearn.naive_bayesimportBernoulliNB 创建三个二元特征 X=np.random.randint(2,size=(100,3)) 创建二元目标向量 y=np.random.randint(2,size=(100,1)).ravel() 查看前十个观测 X[0:10] ''' arra...

十五、支持向量机 作者：ChrisAlbon 译者：飞龙 协议：CCBY-NC-SA4.0 校准SVC中的预测概率 SVC使用超平面来创建决策区域，不会自然输出观察是某一类成员的概率估计。但是，我们实际上可以通过一些技巧输出校准的类概率。在SVC中，可以使用Platt缩放，其中首先训练SVC，然后训练单独的交叉验证逻辑回归来将SVC输出映射到概率： 其中和是参数向量，是第 在scikit-learn中，必须在训练模型时生成预测概率。这可以通过将SVC的probability设置为True来完成。在训练模型之后，我们可以使用predict_proba输出每个类的估计概率。 加载库 fr...

十四、K最近邻 作者：ChrisAlbon 译者：飞龙 协议：CCBY-NC-SA4.0 确定K的最佳值 加载库 fromsklearn.neighborsimportKNeighborsClassifier fromsklearnimportdatasets fromsklearn.preprocessingimportStandardScaler fromsklearn.pipelineimportPipeline,FeatureUnion fromsklearn.model_selectionimportGridSearchCV 加载数据 iris=datasets.load_...

十三、树和森林 作者：ChrisAlbon 译者：飞龙 协议：CCBY-NC-SA4.0 Adaboost分类器 加载库 fromsklearn.ensembleimportAdaBoostClassifier fromsklearnimportdatasets 加载数据 iris=datasets.load_iris() X=iris.data y=iris.target 最重要的参数是base_estimator，n_estimators和learning_rate。 base_estimator是用于训练弱模型的学习算法。这几乎总是不需要改变，因为到目前为止，与AdaBo...

十二、逻辑回归 作者：ChrisAlbon 译者：飞龙 协议：CCBY-NC-SA4.0 C超参数快速调优 有时，学习算法的特征使我们能够比蛮力或随机模型搜索方法更快地搜索最佳超参数。 scikit-learn的LogisticRegressionCV方法包含一个参数C。如果提供了一个列表，C是可供选择的候选超参数值。如果提供了一个整数，C的这么多个候选值，将从0.0001和10000之间的对数标度（C的合理值范围）中提取。 加载库 fromsklearnimportlinear_model,datasets 加载数据 iris=datasets.load_iris() X=iris...