国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

【機器學(xué)習(xí)】分類算法 - 樸素貝葉斯 MultinomialNB

這篇具有很好參考價值的文章主要介紹了【機器學(xué)習(xí)】分類算法 - 樸素貝葉斯 MultinomialNB。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方,請大家不吝賜教,您也可以點擊"舉報違法"按鈕提交疑問。

「作者主頁」:士別三日wyx
「作者簡介」:CSDN top100、阿里云博客專家、華為云享專家、網(wǎng)絡(luò)安全領(lǐng)域優(yōu)質(zhì)創(chuàng)作者
「推薦專欄」:對網(wǎng)絡(luò)安全感興趣的小伙伴可以關(guān)注專欄《網(wǎng)絡(luò)安全入門到精通》

md5() 可以計算字符串的「MD5散列值」。

語法

string md5( $str, raw)

參數(shù)

  • $str :需要計算的字符串
  • raw :指定十六進制或二進制輸出格式

返回值

計算成功,就返回MD5值;計算失敗,就返回false。

1、基礎(chǔ)使用

平時使用最多的就是「計算MD5」

實例:

echo md5('hello');

輸出:

5d41402abc4b2a76b9719d911017c592

2、輸出格式

raw 參數(shù)控制輸出的「格式」

  • true :16個字符的「二進制格式」
  • false :(默認)32個字符的十六進制格式

如果你在項目中遇到MD5「加密結(jié)果不一致」的問題,可以觀察兩個加密結(jié)果的長度是否相同,比如一個結(jié)果是16位,而另一個結(jié)果是32位,這種情況就可以考慮更換輸出格式來解決。

實例:

var_dump(md5('hello', true));
var_dump(md5('hello', false));

輸出:

string(16) "]A@*?K*v?q???"
string(32) "5d41402abc4b2a76b9719d911017c592"

3、科學(xué)計數(shù)法(0e繞過)

md5() 遇到「公式」,會先「運算」,再對運算結(jié)果「計算」MD5。

由于0和任何數(shù)相乘都等于0,所以0e開頭的任何數(shù),其MD5都是相同的。

比如 md5('0e1234'),會先運算成 md5(0),再計算MD5值。

補充:

0e是科學(xué)計數(shù)法,大小寫等價,即 0e 和 0E 的結(jié)果相同。
科學(xué)記數(shù)法是一種記數(shù)的方法。把一個數(shù)表示成a與10的n次冪相乘的形式。
格式為:aEb=a×10^b,即a乘以10的b次冪。

實例:

echo md5(0).PHP_EOL;
echo md5(0e123).PHP_EOL;
echo md5(0e456).PHP_EOL;
echo md5(0E456);

輸出:

cfcd208495d565ef66e7dff9f98764da
cfcd208495d565ef66e7dff9f98764da
cfcd208495d565ef66e7dff9f98764da
cfcd208495d565ef66e7dff9f98764da

繞過思路1:遇到弱比較( md5(a)==md5(b) )時,可以使用 0e繞過。

實例:

var_dump(md5(0e123) === md5(0e456));
var_dump(md5(0e123) == md5(0e456));

輸出:

bool(true)
bool(true)

0e繞過還有一種變體:如果某個字符串的MD5值是0e開頭的,在比較時,PHP也會先把它計算成 0,再參與比較。

繞過思路2:遇到若比較( md5(a)==0 ),可以傳入QNKCDZO等繞過。

echo md5('QNKCDZO').PHP_EOL;
var_dump(md5('QNKCDZO') == 0);

輸出:

0e830400451993494058024219903391
bool(true)

一些MD5值為0e開頭的字符串:

QNKCDZO   => 0e830400451993494058024219903391
240610708 => 0e462097431906509019562988736854
s878926199a => 0e545993274517709034328855841020
s155964671a => 0e342768416822451524974117254469
s214587387a => 0e848240448830537924465865611904
s214587387a => 0e848240448830537924465865611904

4、數(shù)組類型(數(shù)組繞過)

md5() 不能處理數(shù)組,數(shù)組都返回null。同時會報一個Warning,不影響執(zhí)行,不用管。

實例:

var_dump(md5([1,2]));
var_dump(md5([3,4]));

輸出:

Warning: md5() expects parameter 1 to be string,
NULL
Warning: md5() expects parameter 1 to be string,
NULL

繞過思路:遇到強比較(a===b)時,可以使用數(shù)組繞過。GET傳參時,以 a[]=1&b[]=2 這種形式傳遞數(shù)組。

實例:

$a = array(1,2,3);
$b = array(4,5,6);

var_dump(md5($a)===md5($b));

輸出:

Warning: md5() expects parameter 1 to be string,
Warning: md5() expects parameter 1 to be string,
bool(true)

5、算數(shù)運算配合自動類型轉(zhuǎn)換

md5() 遇到運算符,會先運算,再計算結(jié)果的MD5值。

實例:

echo md5(1+2).PHP_EOL;
echo md5(3).PHP_EOL;
echo md5(1*2).PHP_EOL;
echo md5(2).PHP_EOL;
echo md5(1&1).PHP_EOL;
echo md5(true);

輸出:

eccbc87e4b5ce2fe28308fd9f2a7baf3
eccbc87e4b5ce2fe28308fd9f2a7baf3
c81e728d9d4c2f636f067f89cc14862c
c81e728d9d4c2f636f067f89cc14862c
c4ca4238a0b923820dcc509a6f75849b
c4ca4238a0b923820dcc509a6f75849b

當(dāng)字符串與數(shù)字類型運算時,會將字符串轉(zhuǎn)換成數(shù)字類型,再參與運算,最后計算運算結(jié)果的MD5值。

實例:

echo md5('1'+2).PHP_EOL;
echo md5(3).PHP_EOL;
echo md5('1'*2).PHP_EOL;
echo md5(2);

輸出:

eccbc87e4b5ce2fe28308fd9f2a7baf3
eccbc87e4b5ce2fe28308fd9f2a7baf3
c81e728d9d4c2f636f067f89cc14862c
c81e728d9d4c2f636f067f89cc14862c

6、數(shù)值類型

雖然 md5() 要求傳入字符串,但傳入整數(shù)或小數(shù)也不會報錯;數(shù)字相同時,數(shù)值型和字符串的計算結(jié)果是相同的。

實例:

var_dump(md5(123));
var_dump(md5('123'));
var_dump(md5(10.1));
var_dump(md5('10.1'));

輸出:文章來源地址http://www.zghlxwxcb.cn/news/detail-621535.html

string(32) "202cb962ac59075b964b07152d234b70"
string(32) "202cb962ac59075b964b07152d234b70"
string(32) "88d1955de012defb14b2db6f4797ff20"
string(32) "88d1955de012defb14b2db6f4797ff20"

到了這里,關(guān)于【機器學(xué)習(xí)】分類算法 - 樸素貝葉斯 MultinomialNB的文章就介紹完了。如果您還想了解更多內(nèi)容,請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來自互聯(lián)網(wǎng)用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載,請注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實不符,請點擊違法舉報進行投訴反饋,一經(jīng)查實,立即刪除!

領(lǐng)支付寶紅包贊助服務(wù)器費用

相關(guān)文章

  • 【機器學(xué)習(xí) | 樸素貝葉斯】樸素貝葉斯算法:概率統(tǒng)計方法之王,簡單有效的數(shù)據(jù)分類利器

    【機器學(xué)習(xí) | 樸素貝葉斯】樸素貝葉斯算法:概率統(tǒng)計方法之王,簡單有效的數(shù)據(jù)分類利器

    ???♂? 個人主頁: @AI_magician ??主頁地址: 作者簡介:CSDN內(nèi)容合伙人,全棧領(lǐng)域優(yōu)質(zhì)創(chuàng)作者。 ?????景愿:旨在于能和更多的熱愛計算機的伙伴一起成長?。????? ???♂?聲明:本人目前大學(xué)就讀于大二,研究興趣方向人工智能硬件(雖然硬件還沒開始玩,但一直

    2024年02月15日
    瀏覽(28)
  • Spark-機器學(xué)習(xí)(5)分類學(xué)習(xí)之樸素貝葉斯算法

    Spark-機器學(xué)習(xí)(5)分類學(xué)習(xí)之樸素貝葉斯算法

    在之前的文章中,我們學(xué)習(xí)了回歸中的邏輯回歸,并帶來簡單案例,學(xué)習(xí)用法。想了解的朋友可以查看這篇文章。同時,希望我的文章能幫助到你,如果覺得我的文章寫的不錯,請留下你寶貴的點贊,謝謝。 Spark-機器學(xué)習(xí)(4)回歸學(xué)習(xí)之邏輯回歸-CSDN博客 文章瀏覽閱讀2.6k次

    2024年04月28日
    瀏覽(29)
  • 基于機器學(xué)習(xí)算法:樸素貝葉斯和SVM 分類-垃圾郵件識別分類系統(tǒng)(含Python工程全源碼)

    基于機器學(xué)習(xí)算法:樸素貝葉斯和SVM 分類-垃圾郵件識別分類系統(tǒng)(含Python工程全源碼)

    本項目采用樸素貝葉斯和支持向量機(SVM)分類模型作為基礎(chǔ),通過對垃圾郵件和正常郵件的數(shù)據(jù)進行訓(xùn)練,旨在實現(xiàn)垃圾郵件的自動識別功能。 通過訓(xùn)練這兩個分類模型,我們的目標(biāo)是建立一個高效準(zhǔn)確的垃圾郵件識別系統(tǒng)。當(dāng)接收到新的郵件時,系統(tǒng)將對郵件文本進行預(yù)

    2024年02月09日
    瀏覽(32)
  • python機器學(xué)習(xí)——分類模型評估 & 分類算法(k近鄰,樸素貝葉斯,決策樹,隨機森林,邏輯回歸,svm)

    python機器學(xué)習(xí)——分類模型評估 & 分類算法(k近鄰,樸素貝葉斯,決策樹,隨機森林,邏輯回歸,svm)

    交叉驗證:為了讓被評估的模型更加準(zhǔn)確可信 交叉驗證:將拿到的數(shù)據(jù),分為訓(xùn)練和驗證集。以下圖為例:將數(shù)據(jù)分成5份,其中一份作為驗證集。然后經(jīng)過5次(組)的測試,每次都更換不同的驗證集。即得到5組模型的結(jié)果,取平均值作為最終結(jié)果。又稱5折交叉驗證。 通常情

    2024年02月03日
    瀏覽(31)
  • 【Chatgpt4 教學(xué)】 NLP(自然語言處理)第九課 樸素貝葉斯分類器的工作原理 機器學(xué)習(xí)算法

    我在起,點更新NLP自然語言處理==》《 王老師帶我成為救世主 》 為啥為它單獨開章,因為它值得,它成功的讓我斷了一更,讓我實踐了自上而下找能夠理解的知識點,然后自下而上的學(xué)習(xí)給自己的知識升級,將自己提升到能夠解決當(dāng)前遇到的問題的水平。 (1)--------------

    2023年04月15日
    瀏覽(27)
  • 機器學(xué)習(xí)--樸素貝葉斯分類器

    第1關(guān):條件概率 什么是條件概率 概率指的是某一事件 A 發(fā)生的可能性,表示為 P(A) 。而條件概率指的是某一事件 A 已經(jīng)發(fā)生了條件下,另一事件 B 發(fā)生的可能性,表示為 P(B|A) ,舉個例子: 今天有 25% 的可能性下雨,即 P(下雨)=0.25 ; 今天 75% 的可能性是晴天,即 P(晴天)=0.7

    2024年02月08日
    瀏覽(18)
  • 機器學(xué)習(xí)實驗 - 樸素貝葉斯分類器

    機器學(xué)習(xí)實驗 - 樸素貝葉斯分類器

    報告內(nèi)容僅供學(xué)習(xí)參考,請獨立完成作業(yè)和實驗喔~ 1.1 實驗要求 (1)了解樸素貝葉斯與半樸素貝葉斯的區(qū)別與聯(lián)系,掌握高斯分布、多項式分布和伯努利分布的樸素貝葉斯計算方法。 (2)編程實現(xiàn)樸素貝葉斯分類器,基于多分類數(shù)據(jù)集,使用樸素貝葉斯分類器實現(xiàn)多分類預(yù)

    2024年02月09日
    瀏覽(18)
  • 機器學(xué)習(xí)筆記07---樸素貝葉斯分類器

    機器學(xué)習(xí)筆記07---樸素貝葉斯分類器

    貝葉斯決策論是概率框架下實施決策的基本方法。對分類任務(wù)來說,在所有相關(guān)概率都已知的理想情形下,貝葉斯決策論考慮如何基于這些概率和誤判損失來選擇最優(yōu)的類別標(biāo)記。 ? ? 貝葉斯公式: ?其中,P(c)是類\\\"先驗\\\"概率;P(x|c)是樣本x相對于類標(biāo)記c的類條件概率,或稱

    2024年02月07日
    瀏覽(28)
  • 機器學(xué)習(xí)-基于樸素貝葉斯的垃圾郵件分類

    機器學(xué)習(xí)-基于樸素貝葉斯的垃圾郵件分類

    概率論是許多機器學(xué)習(xí)算法的基礎(chǔ),此篇博客會給出一些使用概率論進行分類的方法。 首先從一個最簡單的概率分類器開始,然后給出一些假設(shè)來學(xué)習(xí)樸素貝葉斯分類器。我們稱之為“樸素”,是因為整個形式化過程只做最原始、最簡單的假設(shè)。 我們還將構(gòu)建另一個分類器

    2024年02月02日
    瀏覽(25)
  • 機器學(xué)習(xí):基于樸素貝葉斯(Naive Bayes)的分類預(yù)測

    機器學(xué)習(xí):基于樸素貝葉斯(Naive Bayes)的分類預(yù)測

    目錄 一、簡介和環(huán)境準(zhǔn)備 簡介: 環(huán)境: 二、實戰(zhàn)演練 2.1使用葡萄(Wine)數(shù)據(jù)集,進行貝葉斯分類 1.數(shù)據(jù)導(dǎo)入 2.模型訓(xùn)練 3.模型預(yù)測 2.2模擬離散數(shù)據(jù)集–貝葉斯分類 1.數(shù)據(jù)導(dǎo)入、分析 2.模型訓(xùn)練、預(yù)測 ?三、原理解析 樸素貝葉斯算法 優(yōu)缺點: 樸素貝葉斯(Naive Bayes, NB)?是

    2023年04月19日
    瀏覽(24)

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包