机器学习

特征选择实战：方差、卡方、互信息法筛选有效特征在机器学习与数据挖掘的实际应用中，我们常常面临一个令人困扰的问题：数据集中动辄成百上千个特征，但其中真正对预测目标有价值的可能寥寥无几。过多的冗余特征不仅会显著增加模型训练的计算成本，还可能导致“维度灾难”——随着特征维度增加，数据在空间中的分布变得异常稀疏，模型更容易陷入过拟合，泛化能力不升反降。

海森大数据

数据与特征“协同进化”：机器学习加速发现高性能光合成过氧化氢COF催化剂过氧化氢作为一种绿色氧化剂和潜在清洁燃料，其光催化合成近年来备受关注。共价有机框架材料因其结构可设计、功能可调等优势，在光催化产H₂O₂领域展现出巨大潜力。然而，COF光催化剂的研发长期受困于机理复杂、结构空间庞大等难题——传统试错法仅能探索化学空间的极小部分，而复杂的激子效应、电荷转移动力学过程又使定量构效关系难以建立。

大模型微调进阶：多任务微调实战大模型微调进阶：多任务微调实战一、什么是多任务微调？二、多任务微调的数据组织三、多任务微调的训练策略四、任务选择与任冲突五、从单任务到多任务：一个渐进路径

LangChainGo构建RAG应用实况：切分策略、文本向量化、消除幻觉本篇文章主要是给各位看官介绍如何使用 LangChainGo 手动地构建 RAG 应用。注意我这里使用了“手动”这个词，区别于 Dify 类似的平台，它们创建 RAG 相关的智能体都是全自动的。从文档知识上传再到切分策略、文本向量化入库这整个流程都是傻瓜式的。开发者只需要关注他的业务逻辑就行了，但是这样对于开发者来说平台就是一个黑盒，无法定制化，调优比较困难。

研究点啥好呢

Github热门项目推荐 | 开放数据的新时代在当今数字化时代，开放数据已经成为推动科学研究、政府透明度和技术创新的关键力量。GitHub作为全球最大的代码托管平台，不仅承载着软件开发项目，更成为了开放数据存储、发布和协作的重要场所。本文深入分析GitHub上八个具有代表性的开放数据项目，这些项目展示了如何利用GitHub存储、发布和协作处理机器可读数据集，为数据科学家、研究人员和开发者提供了宝贵的学习资源。

梦中的飞行家

IsaacSim/IsaacLab1.replace “rl-games”: [ “rl-games @ git+https://gitee.com/lishisen123_admin/rl_games.git@python3.11”, “gym”, ] 2.replace https://github.com/ARISE-Initiative/robomimic.git with https://gitee.com/jiangkaiyannick/robomimic.git

小江的记录本

【RAG】RAG检索增强生成（核心架构、全流程、RAG优化方案、常见问题与解决方案）检索增强生成（Retrieval-Augmented Generation, RAG）是结合外部知识库检索与大语言模型生成能力的技术框架。核心逻辑是：在大模型生成回答前，先从私域/实时知识库中召回与用户Query相关的权威知识片段，将其作为事实上下文注入Prompt，引导大模型严格基于检索到的内容生成回答。

【大语言模型】揭开指令混合用于大语言模型微调的神秘面纱指令微调能显著提升大语言模型（LLMs）在多种任务上的性能。然而，如何优化用于LLM微调的指令数据集的混合策略，目前仍然缺乏深入理解。本研究将指令分为三大主要类型：NLP下游任务、代码生成和通用对话。我们探索了不同数据集组合的指令微调对LLM性能的影响，并发现某些指令类型对特定应用更有优势，但可能会对其他领域产生负面影响。这项工作为指令混合提供了深入见解，为未来的研究奠定了基础。

✨向量化✨和Embedding大家好，我是半夏之沫 😁😁 一名金融科技领域的JAVA系统研发😊😊 我希望将自己工作和学习中的经验以最朴实，最严谨的方式分享给大家，共同进步👉💓👈 👉👉👉👉👉👉👉👉💓写作不易，期待大家的关注和点赞💓👈👈👈👈👈👈👈👈

CUDA grid/block 到矩阵映射示例（矩阵加法）给一个例子 grid block 到矩阵的映射，以矩阵加法来表示我们用一个非常具体、可以直接运行脑补的例子，把 CUDA 里的 grid / block → 矩阵索引彻底讲清楚，并用矩阵加法来表达。

智算中心建设新范式：GPT-6/Rubin架构+1.6T光模块+量子安全网关+AI安全沙箱，算力·效率·安全·成本的最优平衡当AI训练进入十万卡集群时代，智算中心不再只是GPU的堆叠，而是一场从芯片、互连、安全到运行底座的系统性工程。

大模型微调进阶：多任务微调实战一、什么是多任务微调？二、多任务微调的数据组织三、多任务微调的训练策略四、任务选择与任务冲突五、从单任务到多任务：一个渐进路径

齐齐大魔王

机器学习（一）机器学习的发展脉络可划分为五个关键阶段，每个阶段都有突破性理论和技术的涌现：理论基础奠基代表人物图灵、麦卡锡、明斯基、香农

云和数据.ChenGuang

机器学习之方差和标准差计算这个公式是Z-score标准化（Standardization），其中的σ就是总体标准差（Population Standard Deviation），下面给你完整的计算步骤、公式、Python实现和注意事项。

AI核心知识122—大语言模型之直接偏好优化（简洁且通俗易懂版）DPO (Direct Preference Optimization, 直接偏好优化) 是大模型对齐（Alignment）领域的一场“暴力美学”革命。

天一生水water

机器学习中的小提琴图有什么作用小提琴图（Violin Plot）是机器学习和数据分析中一种非常实用的可视化工具，它结合了箱线图和核密度估计图的优点，主要用于展示数据的分布形态。

机器学习(三十二) 半监督学习-基于分歧的方法与半监督聚类与生成式方法、半监督SVM、图半监督学习等基于单学习器利用未标记数据的方式不同，基于分歧的方法 (disagreement-based methods) 使用多学习器，学习器之间的"分歧"对未标记数据的利用至关重要。"协同训练"(co-training)[Blum and Mitchell,1998]是此类方法的重要代表，它最初也被看作"多视图学习"(multi-view learning)的代表。

【搜索引擎】Elasticsearch（四）：bool查询（与where类似），多条件搜索利器bool 是 Boolean（布尔逻辑）的缩写，这个名字来源于数学和计算机科学中的布尔代数。在 Elasticsearch 中，bool 查询的核心作用就是组合多个条件，实现逻辑上的 AND（与）、OR（或）、NOT（非）操作：

一个平凡而乐于分享的小比特

2026，自动驾驶“分水岭”：L3持证上岗，L4冲向无人区🔥作者简介：一个平凡而乐于分享的小比特，中南民族大学通信工程专业研究生，研究方向无线联邦学习 🎬擅长领域：驱动开发，嵌入式软件开发，BSP开发 ❄️作者主页：一个平凡而乐于分享的小比特的个人主页 ✨收录专栏：未来思考，本专栏结合当前国家战略和实时政治，对未来行业发展的思考欢迎大家点赞 👍 收藏 ⭐ 加关注哦！💖💖

聚类算法对比分析：K-Means、DBSCAN 与层次聚类在数据科学和机器学习领域，我们面对的数据往往缺乏先验的标签。聚类分析作为一种核心的无监督学习方法，其目标是将数据集中的样本划分为若干个“簇”，使得同一簇内的数据尽可能相似，不同簇间的数据尽可能不同。聚类有助于我们从无序数据中发现隐藏的、有意义的群组结构，是进行数据探索、客户分群、异常检测、简化复杂系统理解的关键第一步。