机器学习

Day 5：KNN算法与相似K线匹配K-近邻（K-Nearest Neighbors）是一种基于实例的监督学习算法，不需要显式训练过程。

当巡检遇上超自动化：一场运维质量的系统性升级今天，当“巡检”与“超自动化”深度融合，一场静默却深刻的革命正在发生。这不再是简单的工具替代或效率提升，而是一场运维质量的系统性升级。它从工作模式、数据价值、风险防控到团队职能，对运维体系进行全方位重构，将巡检从一个被动的“成本中心”，转变为一个主动驱动业务稳定与高效创新的“价值引擎”。

AI自动化工坊

Caveman技能实战：优化AI对话风格实现65%的token成本节省如果你在使用Claude、GPT等AI编程助手时，发现token成本快速上涨，这篇文章将为你提供实用的解决方案。近期在HackerNews获得883点热议的Caveman技能，通过优化AI对话风格实现了平均65%的token节省。本文将从技术实现、安装配置、实际效果等方面进行全面解析。

线性回归与逻辑回归：同为凸函数，为何一个有解析解、一个没有？线性回归使用平方误差损失： [ J(\theta) = \frac{1}{2}\sum_{i=1}^n \left(y^{(i)} - \theta^T x{(i)}\right)2 ]

《狄拉克符号法50讲》习题与解析（下）题 37‑1 推导细化总自旋： [ \vec{S} = \vec{S}_1 + \vec{S}_2 ]

基于R语言机器学习方法在生态经济学领域中的实践应用查看原文>>> https://mp.weixin.qq.com/s/8XzkgajPzXgWruKYmfRNWQ

郝学胜-神的一滴

激活函数：神经网络的「非线性灵魂」，让模型从“直线”走向“万能”在深度学习的世界里，激活函数是一个看似微小、却决定网络能力的核心组件。很多初学者会问：神经网络层层叠加，难道不是越深层能力越强？答案藏在一个关键逻辑里——没有激活函数，再深的网络，也只是一层线性回归。

人工智能培训

如何将高层任务分解为可执行的动作序列？在企业经营、项目管理或个人工作中，我们常面临“实现年度业绩增长30%”“完成一个新产品上线”“打造高效团队”这类高层任务。这类任务宏大、抽象，若直接落地，很容易陷入“无从下手”的困境，最终导致目标落空。其实，高层任务的落地关键，在于将其拆解为可感知、可操作、可量化的动作序列——让每一个环节都有明确的主体、时间、标准，让“宏大目标”变成“每日可做的小事”。本文将结合实践经验，分享一套科学、高效的分解方法，帮助我们突破“目标与执行脱节”的瓶颈。

Project_Observer

列表视图中的筛选列您知道吗？您可以在 Zoho Projects 中跨列表筛选列。这样，您无需频繁切换到筛选面板，即可快速缩小大型数据集的范围，从而更轻松地专注于当前工作中的重要内容。

极光代码工作室

基于机器学习的信用卡欺诈检测系统设计随着数字支付规模持续扩大，信用卡欺诈已成为全球金融安全的重大威胁。据2023年Nilson Report统计，全球因支付欺诈造成的损失高达410亿美元，其中约68%源于未被及时识别的异常交易。传统基于规则引擎的检测方法存在误报率高、泛化能力弱、难以应对新型欺诈模式等固有缺陷。本文针对高度不平衡（欺诈样本占比常低于0.1%）、高维稀疏、实时性要求严苛的信用卡交易数据特点，设计并实现了一套端到端的智能欺诈检测系统。系统采用SMOTE-Tomek Links过采样+特征工程优化策略缓解类别失衡问题；构建集成学习

货拉拉技术

自学习机制下的 API 资产分类实践关键词：API 安全、资产分类、特征工程、自学习货拉拉现网支撑着海量域名与 API 接口的日常调用，涵盖公开、内部及第三方等多维场景。面对每日极为庞大的请求流量，我们的 API 体系规模仍在保持稳步扩张。API 作为承载应用程序的核心业务逻辑和敏感数据的角色，资产庞大形式多样，理论上每个 API 都可能是潜在的安全风险敞口，随着业务的发展网络安全团队面临的矛盾除了要解决“如何防护”，还需要更前置的理清楚要“防护什么”。

Claude Code源码分析Claude Code 是 Anthropic 的 CLI 编程 Agent。是一个受控工具循环 Agent——能理解代码库、编辑文件、执行命令、管理 git 的自主编程助手。本篇文章会详细讲解Claude code中的核心设计，详细讲解可以查看参考文献。本篇文章侧重的核心设计包括：Agent Loop、上下文管理、工具管理、skill系统、多Agent架构几部分。

机器学习 —— 总结思想: 近朱者赤近墨者黑核心: 计算距离1.曼哈顿距离2.欧式距离3.切比雪夫距离4.闵氏距离方案：分类：多数表决

极光代码工作室

基于机器学习的垃圾短信识别系统随着移动通信技术的迅猛发展和智能手机的全面普及，短信作为基础通信手段仍被广泛使用。然而，垃圾短信（Spam SMS）泛滥问题日益严重，不仅干扰用户正常通信体验，更成为电信诈骗、钓鱼攻击与恶意推广的重要载体。据中国信息通信研究院《2023年电信网络诈骗治理报告》显示，全年拦截垃圾短信超186亿条，其中含欺诈诱导内容的占比达37.2%，对社会公共安全与个人信息保护构成严峻挑战。本研究聚焦于构建高精度、低延迟、可落地的垃圾短信智能识别系统，采用“数据驱动+特征工程+多模型融合”的技术路线：首先基于真实场景采集并

【模块1 建立认知1】为什么金融数据不能用“普通机器学习”？英文版：Why Financial Data Cannot Be Modeled with “Standard Machine Learning”

三维重建(点云)GitHub - graphdeco-inria/gaussian-splatting: Original reference implementation of "3D Gaussian Splatting for Real-Time Radiance Field Rendering" · GitHub链接

阶段零：评估指标评估指标：准确率不是万能的当“考试分数”骗了你——揭秘类别不平衡下的真实模型表现假设你是一名公共卫生官员，任务是为一种罕见但极其严重的病毒开发快速检测方法。这种病毒每10000人中仅有1人感染。

异常检测算法详解：从“何为异常”到“如何发现”“什么是正常，什么又是异常？”这不仅是数据分析师面对一堆数据点时的疑问，在某种程度上，也是一个哲学命题。在机器的世界里，异常检测的本质，就是为这个模糊的命题赋予可计算、可操作的答案。其目标简洁而深刻：在看似规律的海量数据中，自动识别那些显著偏离预期模式、行为或结构的罕见实例。

工业AI部署：模型量化与边缘设备部署实战工业AI部署：模型量化与边缘设备部署实战一、工业场景的特殊挑战二、模型量化：让模型“瘦身” 三、边缘部署的关键考量四、实战中的那些“坑” 五、典型的工业部署流程