from sklearn.datasets.samples_generator import make_classification
x, y = make_classification(n_samples=200, n_features=4, n_informative=2,
n_redundant=2, n_classes=2, n_clusters_per_class=2, scale=7.0,
random_state=3)
# n_samples：指定樣本數
# n_features：指定特徵數
# n_classes：指定幾分類
# random_state：隨機種子，使得隨機狀可重
plt.scatter(x[:,1:2],x[:,0:1])
plt.show()
#for x_,y_ in zip(x,y):
# print y_," ",x_
n_features :特徵個數= n_informative（） + n_redundant + n_repeated
n_informative：多資訊特徵的個數
n_redundant：冗餘資訊，informative特徵的隨機線性組合
n_repeated ：重複資訊，隨機提取n_informative和n_redundant 特徵
n_classes：分類類別
n_clusters_per_class ：某乙個類別是由幾個cluster構成的
反病毒實時監控測試樣本
將以下字串貼上到記事本中，然後儲存成乙個文字檔案，如果norton實時監控是正常的，則會立即被檢測出來並隔離，此段 可以檢測實時監控是否正常。x5o p ap 4 pzx54 p 7cc 7 eicar standard antivirus test file h h 此 段並非病毒，這段 是eic...
反病毒實時監控測試樣本
將以下字串貼上到記事本中，然後儲存成乙個文字檔案，如果norton實時監控是正常的，則會立即被檢測出來並隔離，此段 可以檢測實時監控是否正常。x5o p ap 4 pzx54 p 7cc 7 eicar standard antivirus test file h h 此 段並非病毒，這段 是eic...
用訓練好的caffe模型來測試樣本
如果要把訓練好的模型拿來測試新的樣本，那必須得要乙個deploy.prototxt檔案，這個檔案實際上和test.prototxt檔案差不多，只是頭尾不相同而已。deploy檔案沒有第一層資料輸入層，樣本是被直接輸入到net.blobs裡面的，也沒有最後的accuracy層，但最後多了乙個softm...