前言 繼續(xù)詳細(xì)介紹缺失值處理彤敛、異常值檢測荐吉、數(shù)據(jù)一致性處理。這是數(shù)據(jù)清洗的第一步菜谣，關(guān)鍵步驟衰伯。上一篇因為篇幅的原因砍的，只介紹了異常值檢測蹂喻，本文介紹數(shù)據(jù)一致性處理。 1开泽、重復(fù)值檢測與...
IP屬地：北京
-
數(shù)據(jù)預(yù)處理方法大全+實戰(zhàn)代碼(四)
-
數(shù)據(jù)預(yù)處理方法大全+實戰(zhàn)代碼(三)前言 繼續(xù)詳細(xì)介紹缺失值處理牡拇、異常值檢測、數(shù)據(jù)一致性處理穆律。這是數(shù)據(jù)清洗的第一步惠呼，關(guān)鍵步驟。上一篇因為篇幅的原因峦耘，只介紹了缺失值處理剔蹋，本文介紹異常值檢測。 1辅髓、異常值與離群點檢...
-
數(shù)據(jù)預(yù)處理方法大全+實戰(zhàn)代碼(二)前言 本文詳細(xì)介紹缺失值處理泣崩、異常值檢測、數(shù)據(jù)一致性處理洛口。這是數(shù)據(jù)清洗的第一步矫付，關(guān)鍵步驟。 1绍弟、缺失值類型 缺失值可分為三種類型： 完全隨機缺失（MCAR）：缺失完全隨機技即，與...
-
Linux安裝Jupyter著洼，開放外網(wǎng)訪問樟遣，并后臺啟動教程1、前言 筆者上篇介紹內(nèi)網(wǎng)與外網(wǎng)身笤，內(nèi)網(wǎng)穿透豹悬，即如何實現(xiàn)外網(wǎng)如何訪問內(nèi)網(wǎng)的服務(wù)器。我們開發(fā)同學(xué)經(jīng)常用到的場景在內(nèi)網(wǎng)的開發(fā)環(huán)境液荸，可以在本地/自己的筆記本上進(jìn)行開發(fā)瞻佛。那如何操作呢，...
-
數(shù)據(jù)預(yù)處理方法大全+實戰(zhàn)代碼(一)
1适刀、前言 數(shù)據(jù)預(yù)處理是數(shù)據(jù)挖掘秤朗、算法工程師的必修課，對數(shù)據(jù)的前期處理可能會占用我們研發(fā)的大部分時間笔喉，它直接影響著模型的性能和可靠性取视。筆者將介紹數(shù)據(jù)預(yù)處理的各種方法，并給出代碼...
-
什么是內(nèi)網(wǎng)常挚、外網(wǎng)作谭？內(nèi)網(wǎng)穿透又是什么？為什么要做內(nèi)網(wǎng)穿透奄毡？1折欠、前言 絕大數(shù)開發(fā)都依賴網(wǎng)絡(luò)來加載文件和數(shù)據(jù)。經(jīng)常需要從外網(wǎng)訪問內(nèi)網(wǎng)設(shè)備吼过，例如怨酝，遠(yuǎn)程調(diào)試內(nèi)網(wǎng)環(huán)境；內(nèi)網(wǎng)部署的應(yīng)用發(fā)布在外網(wǎng)那先；在外網(wǎng)訪問實驗室的高性能GPU的開發(fā)環(huán)境等等农猬。關(guān)...
-
Markdown的常見語法
Markdown是一種輕量級的標(biāo)記語言，它允許人們使用易讀易寫的純文本格式編寫文檔售淡，然后轉(zhuǎn)換成結(jié)構(gòu)化的HTML頁面斤葱。以下是一些常見的Markdown語法： 標(biāo)題：# 一級標(biāo)題...
-
大模型實操Agent-如何從0開始搭建function calling構(gòu)建Agent的重要的一步是Function calling(函數(shù)調(diào)用)，本文不使用任何langchain等框架或者coze等平臺揖闸，從0開始構(gòu)建一個可以調(diào)用function的...
-
大模型Agent實操--Agent與大模型關(guān)系揍堕、核心能力本文重點介紹Agent與大模型的關(guān)系，基于大模型Agnet的4個核心能力汤纸。下篇文章介紹實操Agent-如何從0開始搭建function calling衩茸。 一、Agent與大模...
-
大模型實戰(zhàn)--FastChat一行代碼實現(xiàn)部署和各個組件詳解本文重點介紹Fastchat是什么贮泞，各個組件的作用和關(guān)系楞慈，如何使用Fastchat框架部署大模型。 Fastchat是什么啃擦？ FastChat是一個用于訓(xùn)練囊蓝、部署和評估大模型...
-
大模型實戰(zhàn)--Llama3.1大模型部署及啟動Web UI、OpenAI API實操
一令蛉、背景 隨著人工智能技術(shù)的飛速發(fā)展聚霜，大模型（Large Language Models, LLMs）已成為自然語言處理領(lǐng)域的核心工具。這些模型以其強大的語言理解和生成能力，...
-
@枉凝眉233 周志華的 機器學(xué)習(xí) 入門必讀
信息論2（自信息蝎宇、信息熵弟劲、聯(lián)合熵、條件熵姥芥、交叉熵函卒、相對熵（KL散度）、互信息撇眯、最大互信息系數(shù)）
1报嵌、前言 ??在研究機器學(xué)習(xí)一些算法原理時，經(jīng)常會出現(xiàn)各種有關(guān)信息論的概念（自信息熊榛、互信息等）锚国，此前已分享過一篇文章，但是相對簡單了一些玄坦，本次將再進(jìn)一步分析各種相關(guān)概念血筑。 2...
-
信息論2（自信息、信息熵煎楣、聯(lián)合熵豺总、條件熵、交叉熵择懂、相對熵（KL散度）喻喳、互信息、最大互信息系數(shù)）1困曙、前言 ??在研究機器學(xué)習(xí)一些算法原理時表伦，經(jīng)常會出現(xiàn)各種有關(guān)信息論的概念（自信息、互信息等）慷丽，此前已分享過一篇文章蹦哼，但是相對簡單了一些，本次將再進(jìn)一步分析各種相關(guān)概念要糊。 2...
-
機器學(xué)習(xí)-通俗易懂推導(dǎo)XGBoost公式1纲熏、前言 ????xgboost是在gbdt基礎(chǔ)上進(jìn)行了升級，所以xgboost也是通過每次擬合上次的殘差（上次實際值與目標(biāo)值之差）锄俄，從而每次生成一棵樹（CART回歸樹）局劲，最...
-
機器學(xué)習(xí)-線性回歸、廣義線性模型（邏輯回歸）1珊膜、前言 ??線性回歸在整個機器學(xué)習(xí)算法中相對比較簡單容握，但是在處理實際問題中宣脉，使用頻率還是比較高车柠。本文將對線性回歸做簡單介紹，最后利用通俗的講解來說明邏輯回歸于線性回歸的關(guān)系...
-
機器學(xué)習(xí)類別不平衡解決方法
1、前言 ??對于分類任務(wù)竹祷，經(jīng)常會遇到類別不平衡問題（不通類別訓(xùn)練樣本數(shù)目差距較大）谈跛，本文將對該問題給出常見的解決方法。 2塑陵、常用解決方法 2.1 欠采樣（下采樣） ??欠采...
-
常見統(tǒng)計量及關(guān)系（三）-標(biāo)準(zhǔn)化與z分?jǐn)?shù)
1感憾、前言 ????統(tǒng)計相關(guān)問題系列第三篇，上一篇點這里 2令花、常見名詞 標(biāo)準(zhǔn)取值：將一組數(shù)據(jù)中每個數(shù)減去均值之后除以標(biāo)準(zhǔn)差阻桅，從而轉(zhuǎn)換為z分?jǐn)?shù)。以標(biāo)準(zhǔn)差為單位表示的原始值與均值差...
-
常見統(tǒng)計量及關(guān)系（二）-方差兼都、標(biāo)準(zhǔn)差
1嫂沉、前言 ????統(tǒng)計相關(guān)問題系列第二篇，上一篇點這里 2扮碧、常見名詞 極差（range）：一組數(shù)據(jù)中最大值與最小值之差趟章。 四分位差（IQR）：一組數(shù)據(jù)中第75百分位數(shù)與第25...