- 综合排序
- 最热优先
- 最新优先
- 来自专栏大模型系列
机器学习之商业智能首选决策树：CHAID（卡方自动交互检测）原理、手动计算与实战应用指南
关键词：机器学习、CHAID算法、决策树、卡方检验、市场细分、问卷分析、类别合并、Python CHAID、商业智能、统计显著性 一句话答案：CHAID 是唯一基于统计显著性检验（卡方/F检验）的决策树算法 特征选择：卡方检验（分类目标）或 F 检验（连续目标） 2. α_merge） ✅ 优势：自动处理高基数分类变量（如“城市”），避免碎片化。 四、CHAID vs 其他决策树：关键差异特性ID3/C4.5CARTCHAID分裂标准信息论误差最小化统计显著性（卡方/F检验）树结构多叉二叉多叉类别合并❌❌✅ 自动合并不显著类别过拟合控制剪枝剪枝p 从 GPT 到 Llama，从 Claude 到 Qwen，从推理到多模态，大模型正以前所未有的速度进化——它们既是工具，也是平台，更可能是下一代人机交互的“操作系统”。
35120编辑于 2026-03-29 - 来自专栏李蔚蓬的专栏
Android卡顿优化 | 自动化卡顿检测方案与优化(AndroidPerformanceMonitor BlockCanary)
本文要点 为何需要自动化检测方案 自动卡顿检测方案原理 看一下Looper.loop()源码 实现思路 AndroidPerformanceMonitor实战 基于AndroidPerformanceMonitor 源码简析 接下来我们讨论一下方案的不足 自动检测方案优化 项目GitHub 为何需要自动化检测方案 前面提到过的系统工具只适合线下针对性分析，无法带到线上！ 线上及测试环节需要自动化检测方案 方案原理 源于Android的消息处理机制； 一个线程不管有多少Handler，只会有一个Looper存在， 主线程中所有的代码，都会通过Looper.loop() ，同时用logcat打印出关于卡顿的详细信息； 可以检测所有线程中执行的任何方法，又不需要手动埋点， 设置好阈值等配置，就“坐享其成”，等卡顿问题“愿者上钩”！！ ； 我们需要缩小采集堆栈信息的周期，进行高频采集，详细如下； 自动检测方案优化 优化思路：获取监控周期内的多个堆栈，而不仅是一个； 主要步骤： startMonitor开始监控（Message
3.1K30发布于 2020-04-09 - 来自专栏Khan安全团队
神兵利器 - 具有交互式界面的自动 SSTI 检测工具
该工具被开发用作 SSTI 检测和利用的交互式渗透测试工具，允许更高级的利用。 交互模式 ( -i) 允许更容易的利用和检测 基本语言eval() -like shell ( -x) 或单个命令 ( -X) 执行 在没有启用的情况下为Smarty添加了新的有效负载{php}{/php 它能够检测和利用多个不同模板中的 SSTI 漏洞。 利用后，SSTImap 可以提供对代码评估、操作系统命令执行和文件系统操作的访问。 要检查 URL，您可以使用-u参数： $ . ，命令用于与 SSTImap 交互。 顺便说一句，测试结果在目标 url 更改之前一直有效，因此您可以轻松地在漏洞利用方法之间切换，而无需每次都运行检测测试。 要获得完整的交互命令列表，请help在交互模式下使用命令。
1.6K30编辑于 2023-02-23 - 来自专栏小锋学长生活大爆炸
【教程】自动检测和安装Python脚本依赖的第三方库
转载请注明出处：小锋学长生活大爆炸[xfxuezhang.cn] 背景说明 对于新python环境，要运行某个脚本，可能需要安装很多库，一般可以通过提供的requirements.txt来自动安装 通过捕捉ImportError错误，实际上可以从错误消息中提取缺失的模块名称，而一旦确定了缺失的模块名称，就可以使用 pip 自动安装它们了。 install_module(correct_name, python_executable) def main(): parser = argparse.ArgumentParser(description="自动检测和安装
2.9K10编辑于 2023-12-29 - 来自专栏FreeBuf
SSTImap：一款带有交互式接口的自动化SSTI检测工具
关于SSTImap SSTImap是一款功能强大的渗透测试工具，该工具提供了一个交互式接口，可以帮助广大研究人员以自动化的形式检查网站的代码注入和服务器端模版注入漏洞。 除此之外，该工具甚至还可以帮助我们自动利用这些发现的漏洞，从而访问目标服务器（主机）操作系统。 该工具还引入了沙盒逃逸技术，具体细节请查阅文章结尾的参考资料。 = "__main__": app.run(host='0.0.0.0', port=80) （向右滑动，查看更多） 预定模式 SSTImap的预定模式与Tplmap非常相似，支持以多种不同的模版检测和利用 如需检测URL，你可以使用-u参数： $ ./sstimap.py -u https://example.com/page? 在交互式模式下，我们可以使用命令与SSTImap交互： -i：进入交互模式； -u：制定测试目标URL； run：命令运行； help：查看帮助信息； Ctrl+C：终止运行； 支持的模版引擎
2.9K20编辑于 2023-03-30 YOLOv8v10v11自动驾驶实测对比：揭秘v11遮挡车辆检测精度提升关键
该模型在检测复杂形状车辆方面进步显著，对自动驾驶和交通监控有应用潜力。 通过利用深度学习的最新进展并整合架构创新，YOLO11 旨在提升对各类车辆的检测精度，包括小型及部分遮挡的物体，同时保持适用于自动驾驶和交通管理等实时应用的效率。 颈部YOLO11的颈部设计用于聚合不同分辨率的特征图，并将其传递给检测头。YOLO11将C3k2块集成到颈部，以提升特征聚合的速度和性能。检测头YOLO11 的检测头负责生成模型的最终预测结果。 城市监控与安全： 实时处理视频流，追踪目标车辆、检测违规、提升公共安全（适应户外光照/天气变化）。物流与车队管理： 自动化车辆检测追踪（如仓库卡车进出）、优化车辆分类与路线规划。 自动收费系统： 快速准确识别车辆类型，实现动态定价，减少拥堵。结论YOLO11 在车辆检测中展现出显著的性能提升（精度、召回率、mAP），尤其在检测小型/遮挡物体（摩托车、自行车）方面。
2.3K10编辑于 2025-06-20- 来自专栏YOLO大作战
基于YOLO11的夹层玻璃缺陷自动视觉检测系统（Python源码+数据集+Pyside6界面）
博主简介AI小怪兽，YOLO骨灰级玩家，1）YOLOv5、v7、v8、v9、v10、11优化创新，轻松涨点和模型轻量化；2）目标检测、语义分割、OCR、分类等技术孵化，赋能智能制造，工业项目落地经验丰富 YOLO11设计快速、准确且易于使用，使其成为各种物体检测和跟踪、实例分割、图像分类以及姿态估计任务的绝佳选择。 ultralytics/nn/modules/head.py 2.如何训练夹层玻璃缺陷数据集2.1 数据集介绍基于 YOLO11 的夹层玻璃缺陷自动视觉检测系统，其意义可从技术、经济、安全及教育四个维度进行阐述 简言之，基于 YOLO11 的夹层玻璃缺陷自动视觉检测系统不仅是一次算法升级，更是通过“AI+制造”打通质量、成本、安全、人才、标准全链条的范式创新，具有显著的技术领先性、经济可行性与社会价值。 PySide是Qt公司的产品，PyQt是第三方公司的产品，二者用法基本相同，不过在使用协议上却有很大差别。PySide可以在LGPL协议下使用，PyQt则在GPL协议下使用。
50610编辑于 2025-08-27 - 来自专栏大数据文摘
一周飞越50万平方米，无人机检测1.5吨海滩垃圾！自动分类47种，准确率超95%
从5月底至6月初的一周内，无人机飞越了伯恩茅斯、基督城和普尔的海滩，对18个地点进行了检测，检测总面积达到了475000平方米。 对系统目前的工作情况，Mackay表示，“Ellipsis可以自动检测47类垃圾，准确率超过95%”，“无人机改变了环境监测的行为和方法，它们能在几分钟内调查整个海岸线”。 但是，Ellipsis技术可以检测到的内容是有限的，小于5毫米的塑料颗粒是无法识别的，而据估计，仅在海底，就有至少1400万公吨没能被检测到。 车载软件使用经过修改的Darknet来运行Yolo v3，检测结果通过一个滤波和积累模块提供，该模块将避免在多个相邻视频帧中出现多次计算同一垃圾；它还将为一个”垃圾点”在大约5米半径范围内进行多次检测。 根据AI垃圾桶研发人员林佳炀介绍，这种垃圾桶可以对垃圾自动感应、自动识别，然后自动分类。内置的摄像头会对垃圾进行拍照，拍照后上传到云端人工智能识别模型进行判定，整个判定完成过程大概在2.7秒左右。
1.5K30发布于 2021-07-06 - 来自专栏数据分析
文本分类中的特征选择方法
查看包com.datumbox.framework.machinelearning.featureselection以查看Java中的卡方（卡方检测）和交互信息特征选择方法的实现。 下面给出了选择k个最佳特征的基本选择算法（Manning等人，2008）： [3xto1nf136.png] 在下一节中，我们将介绍两种不同的特征选择算法：交互信息和卡方（Chi Square）。 卡方（ 卡方检验） 另一个常见的特征选择方法是卡方(卡方检验)。统计学中使用x 2检验法主要是来测试两个事件的独立性。更具体地说，在特征选择中，我们使用它来测试特定术语的出现和特定类的出现是否独立。 上述公式可以向下面一样改写： [cxx44xu4kv.png] 4 如果我们使用卡方（卡方检测）方法，我们应该只选择一个预定义的特征，其中 x2 检测分数大于10.83，在0.001水平上才能显示出统计学意义 最后，但并非最不重要，我们应该注意到，从统计的角度来看，由于只有自由度和Yates校正（这将难以达到统计的显着性） ，卡方（卡方检测）特征选择是不准确的。
2.5K60发布于 2018-01-29 - 来自专栏物联网智慧生活
工业设备远程运维路由器
计讯物联工业设备远程运维路由器提供工业设备和云服务器数据交互的高速网络通道，对接前端生产设备实施数据采集，通过有线宽带，WiFi或者3G/4G/5G等多种通信方式将数据传输至云平台，完成设备的远程工况监控 3、支持心跳链路检测，达到断线自动重连。 4、支持web升级、本地系统日志、远程日志、串口输出日志。 5、支持边缘计算，在物联网边缘节点实现数据优化、实时响应、敏捷连接、模型分析等业。 8、4×LAN、1×WLAN、1×RS232(1×RS485)、1×RS485、SIM卡、TF卡、2×DI、3×继电器、3×ADC、4×POE供电(可选)。 11、支持OPC UA协议标准，可工业设备远程PLC程序更新/下载。 12、可兼容欧姆龙、西门子、三菱、台达、MODBUS等主流协议。 14、支持通信中心入库的方式接入第三方平台或定制第三方协议。
1.1K20发布于 2021-09-17 - 来自专栏区块链
区块链U卡APP开发方案
数字身份认证与安全登录实名认证（KYC）对接公安/银行/第三方认证平台双因素认证（短信+U卡确认）去中心化身份DID支持（如W3C标准）U卡绑定与验证（蓝牙/NFC）2. 链上数据查询与监控查询交易记录、区块信息链上事件监听（如转账、合约调用）Gas费优化建议多链支持查询（自动识别链类型）6. 身份认证模块实现实名认证、双因素认证、DID系统对接公安、银行或第三方认证平台4. 交易签名模块所有交易需通过U卡签名，确保私钥不出卡支持智能合约交互、批量交易等复杂操作5. 交易双重确认：用户需在APP与U卡上分别确认交易，防止恶意转账。本地数据加密：所有敏感信息（如助记词、Keystore）在本地加密存储。防篡改机制：检测APP是否被篡改或重打包。 U卡固件签名验证：防止恶意固件注入。链上风控系统：识别异常交易模式，自动冻结高风险账户。双因素认证：结合生物识别、短信验证码、硬件验证等多重认证方式。
43410编辑于 2025-09-05 - 来自专栏绿盟科技研究通讯
基于机器学习的反欺诈研究
针对软件平台欺诈账号的治理思路与针对欺诈号码的治理方案类似：利用机器学习算法基于账号的行为特征进行分类，以实时自动化地持续识别未知的高风险欺诈账号。 如图11所示，Faguzi生成卡的Consistency Map十分平滑，说明图像连续性很好，传统的计算机视觉方案也很难发现修改痕迹。 图10：通过Faster-RCNN识别真信用卡与Faguzi生成卡上被修改的区域（引用自【5】） 图11：Faguzi生成卡与该图片的ConsistencyMap（引用自【5】） 3.2面向信用卡号检测的防御加固 从技术维度上看，一方面，欺诈检测本身是一个二分类问题，而机器学习在处理分类问题上有优异的表现；另一方面，对语音、文本的处理离不开NLP技术。机器学习技术的应用在欺诈检测任务中发挥了重要作用。 然而，一些欺诈手段从本质上来说是人与人之间的交互行为，用户在收到欺诈信息时所处境况也很复杂，因此欺诈团伙在充分掌握用户情报的前提下实施的欺诈将更具有迷惑性。
3.6K30编辑于 2022-03-11 - 来自专栏公共互联网反网络钓鱼（APCN）
电商支付页仿冒钓鱼窃取信用卡数据的攻击机理与分层防御研究
现有网络安全研究多聚焦银行官网、第三方支付平台钓鱼攻击，针对中小型电商结算支付环节的专项实证研究较少，同时缺少适配电商支付表单的轻量化前端风险检测工具落地参考。 5.1 支付表单超额敏感字段风险检测代码功能：自动扫描支付页面表单输入框，识别居民登记号、完整信用卡密码等合规支付流程无需采集的字段，页面加载后弹窗风险预警，阻止用户提交隐私信息。 5.2 恶意 iframe 嵌套支付页面检测代码功能：识别页面内跨域 iframe 支付采集组件，检测到恶意嵌套弹窗后弹出风险提示并清空页面交互区域，阻断用户录入信用卡信息。 6.1.2 支付交互逻辑优化移除 “支付失败重载页面” 自动跳转脚本，交易异常时仅展示文字提示，由用户手动返回订单页重新发起付款，消除恶意页面掩盖窃取行为的技术窗口；支付流程全程固定单一域名，禁止第三方弹窗 ：进入支付页面时自动弹出合规提示，标注 “任何索要完整信用卡密码、居民登记号的页面均为诈骗”；第三方支付接口准入管控：仅对接持牌正规支付服务商，禁止内嵌未知来源支付弹窗、外部表单组件；交易日志全留存：完整记录支付页面访问
8210编辑于 2026-07-06 - 来自专栏谦谦君子修罗刀
iOS狗都不要，用这份面试真题，21天拿了4个大厂Offer
9、启动优化和卡顿监测、tableview的优化 10、屏幕成像的原理 11、离屏渲染是什么？有没有什么情况下离屏渲染是有作用的 12、用Instrument做了什么？ （此处说了交换方法，卡顿监测） 10、卡顿监测通过什么做的 11、图片渲染和显示原理 12、安装包瘦身 13、除了APPCode，还能用哪种方式检测无用代码 14、说一下APP启动的流程（动态库，计算rebase 怎么解决 7、RN的原理 8、HTTPS和HTTP的区别、五层模型 9、fps的检测 10、cs的基础 11、shell和ruby有写过脚本么 12、找出数组中比它左边都要大比它右边要小的数放入到新的数组 arc是如何实现的 8、自动释放池是如何管理内存的? 你现在的代码还能看到autoreleasepool么 9、sdwebimage 给一个图片到屏幕展示,是如何工作的 10、为什么使用sdweimage的过程中,不卡 11、给你一个url,到服务器返回一个
2.8K20编辑于 2022-05-18 - 来自专栏FunTester
Android App常规测试内容
1.客户端业务正常功能点测试1.功能点正常 2.前后端数据交互，页面显示及功能正常关联性测试1.与PC端交互正常稳定性及异常性测试交互性测试1.客户端多种被打扰测试 2.待机，插拔数据线等操作异常性测试 ，是否会影响程序正常流程病毒扫描测试 PC和手机工具检测安全测试腾讯金刚网测试 apk反编译 签名校验 完整性（MD5）校验 敏感信息泄漏 软键盘劫持 账号安全 服务端接口安全 数据通信安全 文件夹权限 xss注入 Android控件检查 数据安全清除数据影响程序的数据第三方工具，如360安全卫士，猎豹双卡双待 影响到读取手机号码以及短信支付，特别是充值方面多语言页面UI展示 注意输入法不同厂商预装的输入法调用以及低系统输入法调用杀进程登录数据丢失杀进程 \字符转义快速点击按钮快速点击或者快速刷新，会造成显示异常或者闪退横屏视频播放点击返回卡顿删除数据，上拉，下拉数据刷新数据填充满以后，对数据删除后进行刷新操作，会页面异常断网数据加后载断网；断网后联网； sonarqube 竞品对比测试性能专项对比；用户体验 对于质量平台（接口测试，自动化测试，性能测试，兼容性，数据收集）只是一概而过，这个无法一一说清楚。
1.4K10发布于 2019-10-08 - 来自专栏公共互联网反网络钓鱼（APCN）
电动汽车公共充电桩二维码钓鱼（Quishing）攻防体系与安全治理研究
4.3 页面交互行为风险识别标准（第三层兜底识别）页面加载完成后，通过交互逻辑区分官方页面与钓鱼页面，Enel 梳理三类高危异常交互行为：支付信息一次性索要：官方充电流程仅在 App 加密客户端内录入支付信息 强制跳转第三方推广页面：官方充电页面无弹窗广告、抽奖、博彩、问卷外链，若加载后自动跳转无关商业页面，判定为恶意钓鱼站点。 5 充电桩扫码链接风险自动化检测 Python 代码实现基于 Enel 域名、证书、页面交互风险判定标准，本节开发轻量化充电桩二维码链接风险检测工具，适配手机端、运营商后台批量风险筛查场景。 5.1 工具整体设计思路工具分为三大核心检测模块：可信域名校验模块、短链接与跳转风险模块、页面交互行为风险模块；综合三模块得分划分低、中、高三级风险等级，输出完整风险成因明细。 手机通用扫码工具辅助校验能力运营商开放轻量检测接口，供手机系统相机、第三方扫码工具对接，用户使用原生相机扫码后，页面加载前调用接口完成风险研判，短域名、陌生域名链接自动弹出安全提示。
12010编辑于 2026-07-02 PAG在得物社区S级活动的落地
我们先来看一下实现效果：接下来，我们从逻辑架构、关键技术方案、边界场景处理三方面，拆解“用户交互调整”与“PAG预览同步”链路的实现思路。 资源管理与缓存策略批量合成与单卡交互的功能落地后，需针对开发过程中出现的卡顿、空帧、加载慢等问题进行针对性优化，同时构建兼容性检测与降级方案，保障不同环境下功能的稳定可用。 警告验证Canvas状态和尺寸PAGView创建带重试机制字体预注册：必须在加载PAG文件之前注册字体使用File类型进行字体注册CanvasImageEditor（Canvas图片编辑器）高DPI优化：自动检测设备像素比 不兼容环境（检测失败）：自动切换至服务端合成链路，通过预生成静态卡片保障核心功能可用，确保用户仍能完成球星卡生成的基础流程。 业务价值三方面总结核心成果：问题解决：解决业务痛点，优化用户体验针对初期“服务端固定合成导致构图偏差”的核心痛点，通过H5端承接关键链路，保障活动玩法完整性：交互自主性：基于Canvas封装的CanvasImageEditor
67510编辑于 2025-12-26- 来自专栏系统设计
Google Pay支付钱包系统设计
与支付网关集成：与银行、UPI 和银行卡网络连接。 安全性：加密、身份验证（如 OTP、生物识别）和欺诈检测。 通知：实时更新交易和促销信息。 3 支付钱包的微服务设计/架构 该系统的主要服务项目： 3.1 用户服务 处理用户注册、认证和管理，负责： 创建和更新用户配置文件 通过第三方API进行 KYC 验证 管理关联的银行账户和银行卡 3.2 确保幂等性，避免重复支付 与第三方网关（如 UPI、信用卡处理器）交互 3.4 支付网关服务 与外部支付系统的摘要集成，负责： 与 UPI、银行卡网络和银行对接 确保安全和遵守法规 处理支付失败的重试和回退 事件消费 通知服务会消耗 transaction.completed 事件，并向发送方和接收方发送通知 分析服务记录交易详情，用于报告和分析 欺诈检测服务监控交易是否有可疑活动。 欺诈检测工作流程： API交互 Kafka 事件 DB 设计 数据库：分析数据库（如 Elasticsearch、Snowflake） 目的：记录可疑交易并分析欺诈模式。
2.8K14编辑于 2025-01-15 《3D古城场景角色碰撞优化的实战指南》
一方面，所有场景物体（断墙、石阶、陶罐、石雕）均采用高精度Mesh碰撞体，单场景碰撞体面数超过12万，仅西城门断墙的碰撞体就包含800+面片，每帧碰撞检测计算量达9200次，其中40%集中在非关键交互物体 占用率（从12%升至25%），尤其玩家连续踩踏多个陶罐时，会形成“卡顿簇发”。 ，超出范围则自动禁用，避免无效计算。 这一方案落地后，单场景碰撞体面数从12万降至3.8万，每帧碰撞检测次数从9200次减少到3500次，PC端CPU在碰撞计算环节的占用率从18%降至8%，断墙区域的帧率稳定在58-60帧，穿模率从优化前的 ：当物体同时满足“在角色激活半径内”且“在相机视锥体内”时，才启用碰撞检测；若物体超出激活半径，或虽在半径内但被断墙、石柱等静态物体完全遮挡（通过遮挡剔除算法判定），则自动禁用碰撞体，仅保留视觉模型。
38310编辑于 2025-10-20如何防止员工向第三方 AI 泄露数据？滤海 AI DLP 全方位技术防护方案解析
导读问题：员工把敏感数据“投喂”给第三方 AI 的风险快速上升，传统 DLP 难以覆盖“输入—生成”的流式交互与Shadow AI（影子AI） 场景。 (zscaler.com)核心方案：滤海 AI DLP以流式网关为骨架，在数据到达 ChatGPT、文心一言、Claude、Gemini 等平台之前完成实时检测—分级策略—自动脱敏/强拦截—审计溯源；可与 输入内容检查：逐句检测，让隐患止步于“提交之前”* 语义+规则双路并行：稳定识别手机号/身份证/银行卡等结构化字段，同时理解“季度研发计划/增长策略”等非结构化商业信息；* 企业级自定义：扩展敏感库（流程 ；* 大文件友好：>100MB 自动分片并行检测；* 实战有效：图纸、布局、模型、报表中的制造/算法信息可被识别并纳管。 (NIST技术系列出版物)十、边界说明：聚焦“员工—第三方 AI”的在途治理本文只讨论“员工与第三方 AI 交互链路”的在途防护：不展开企业内部数据分级/制度建设细节；不涉及第三方平台对生成内容再分发的治理
89110编辑于 2025-10-12
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号