在上篇文章中，讲解了怎么用Generative Model做分类问题。
这篇文章中，讲解了做Classification的另一种Discriminative的方式，也就是Logistic Regression。
文章主要有两部分：
第一部分讲解了Logistic Regression的三个步骤。
第二个部分讲解了multi-class多分类的三个步骤，以及softmax是如何操作的。

Classification 有Generative Model和Discriminative Model。
这篇文章主要讲述了用生成模型来做分类的原理及过程。

作为Stream Cipher的第二篇文章。
第一部分分析了基于Stream Cipher的两种攻击：第一种是Two time pad,第二种是对与其完整性的攻击，即流密码是可被篡改的。
第二部分具体说明了一些使用流密码加密的例子。包括分析基于软件的RC4流密码、基于硬件的CSS流密码和现代的安全流密码:eStream中的Salsa20。

这篇文章叙述了进行regression时，where dose the error come from?
这篇文章除了解释了error为什么来自bias和variance，还给出了当error产生时应该怎么办？如何让模型在实践应用中也能表现地和测试时几乎一样的好？

Stream Cipher的第一部分：介绍了One Time Pad和Stream Cipher中的PRG。
其中OTP部分叙述了什么是Perfect Secrecy？为什么OTP很难在实践中应用？
Stream Cipher部分中，本文主要阐述了什么是PRG？Stream Cipher的另一种安全的定义（依靠PRG的unpredictable)。
本文后半部分，详细阐述了一种weak PRG——线性同余生成器，它是如何工作的？它为什么不安全？如何攻击它?

实现这篇文章中前面两个tips。

长期记录帖：关于遇到过的那些Python 的Packets & Module & Method & Attribute。中英记录。

本系列是学习Dan Boneh教授的Online Cryptography Course。

这是Dan教授的第一讲：对密码学的一些Introduction。

总结「李宏毅老师-机器学习」的Gradient，主要从以下三个方面展开：调节learning rate；加快训练速度；对数据进行Feature Scaling。

在YouTube上看台大李宏毅老师的课，看完Regression讲座的感受就是： 好想去抓Pokemon！！！
这篇文章将总结李宏毅老师Regression的讲座，并尝试实现其demo。