机器学习

数据牧羊人的成长笔记

机器学习预备知识目录卡方检验卡方检验的主要用途卡方检验的基本原理卡方统计量卡方检验的statsmodels实现配对卡方检验

人工智能培训

大模型部署资源不足？轻量化部署解决方案

算力的迷雾站在2025年的尾巴上，全球AI行业呈现出一种令人眩晕的撕裂感。在旧金山，耗资数倍算力训练出来的GPT-5并没有像GPT-4那样带来预期中的、断层式的跃迁。

Day 16：PCA主成分分析与降维维度灾难：降维的好处：PCA（主成分分析）：通过线性变换，将原始特征投影到方差最大的新坐标系上。目标：找到一组新的正交基（主成分），使得：

Java面试题53：一文深入了解RAG（检索增强生成）核心概念检索增强生成（Retrieval-Augmented Generation, RAG）是一种融合信息检索技术与大语言模型（LLM）的 AI 生成框架。其核心逻辑是：先从外部知识库精准检索相关信息，再将检索结果作为上下文喂给大模型，由大模型结合检索内容生成准确、事实性强的回答。

ubuntuclaude code 基于 kimi 2.6 入门没有特别需求最新版本的话，ubuntu上可以apt安装：配置token api，这里实用了 Kimi2.6：

star learning white

线性代数3复习：线性方程的特解与非特解线性相关无关存在定理：方程Ax=b有解x=p Ax=0 有解Vh 那么这个方程Ax=b的解是x=p+Vh。我们把p成为特解（全数宴，不存在自由变量的部分） Vh就是其次化得到的自由变量部分。这里写就和之前提到的向量一个样子（类似于这样）

多语言句子对推理驱动事实核查与内容审核自然语言推理是自然语言处理领域的一项核心任务，旨在判断两个句子之间的逻辑关系。Kaggle入门竞赛“Contradictory, My Dear Watson”提供了一个典型的多语言自然语言推理场景，要求参赛者对包含前提和假设的句子对进行分类，判断其关系属于“蕴含”、“中立”还是“矛盾”。该竞赛数据集涵盖十五种语言，这使得任务超越了单一语言文本分类的范畴，成为检验模型跨语言理解能力的实战平台。在真实业务场景中，此类技术的应用价值显著，例如在多语言社交媒体内容审核中自动识别矛盾言论，在跨语言新闻聚合中进行事

好运的阿财

OpenClaw工具拆解之browser+agents_list功能：控制浏览器（自动化）核心特性：位置：第 23854 行附近位置：第 23854 行功能：列出可用的 Agent 核心特性：

AI引领自然科学全流程革新：生物、地球、农业、气象、生态、环境、GIS案例实战+Python/R代码+科研绘图+时空大数据本次内容以“自然科研全流程”为主线，系统设计从数据清洗、统计分析、经典统计模型（混合效应模型、结构方程模型、Meta分析）到优化算法（最小二乘法、遗传算法、贝叶斯优化、MCMC）、机器学习与深度学习（随机森林、XGBoost、CNN、LSTM），以及基于大模型API的二次开发和科研绘图（柱状图、热图、森林图、三元图等）。通过30余个真实案例，结合R、Python代码与提示词工程，手把手带您实现从原始数据到高水平科研成果的完整闭环。

【TJU】研究生应用统计学课程笔记（5）——第二章参数估计（2.3 C-R不等式）定义：若单参数分布密度族 (或单参数概率分布族) { f ( x ; θ ) : θ ∈ Θ } \{f(x; \theta) : \theta \in \Theta\} {f(x;θ):θ∈Θ} 满足如下条件：

大模型技术之机器学习版本：V1.3.1随着计算能力（特别是GPU的发展）和数据规模的快速增长，深度学习技术得以崛起。深度神经网络主导，突破了图像、语音和文本领域的性能瓶颈。深度信念网络（DBN）被提出，标志着深度学习研究的复兴 AlexNet在ImageNet图像分类竞赛中获胜，证明了卷积神经网络（CNN）的强大性能生成对抗网络（GAN）被提出，用于生成图像和其他生成任务 Transformer架构在论文《Attention is All You Need》中提出，彻底改变了自然语言处理领域

当AI+遇上产业：如何打造智能化时代的“新基建”在人工智能重塑千行百业的今天，一个关键命题摆在产业界面前：如何让 AI+真正“扎根”产业、赋能千行百业？掌动智能正以实际行动给出答案。作为业内领先的产业 AI 智能体支撑平台技术提供商、国家级专精特新“小巨人”企业，掌动智能以“赋能产业人工智能高质量提升”为使命，依托华南理工大学和数字经济与人工智能广东省实验室（琶洲实验室）的深厚科研底蕴，深耕产业 AI 领域，成为该赛道的领跑者。

Day 15 编程实战：KMeans聚类与股票风格分类聚类评估指标速查表：

不会编程的懒洋洋

C# IDisposable 和 using先看一个问题：C# 会自动清理垃圾，为什么还需要手动释放？ C# 的内存（比如你 new 出来的对象）确实由垃圾回收器（GC）自动管理，你不用管。但是程序里还有一些不属于内存的东西，比如：

具身智能中的传感器技术36——RGB-D相机1RGB-D相机是具身智能机器人的关键感知设备，其选型需重点关注深度精度、分辨率、填充率、最小盲区和帧率等核心指标。结构光适合精细操作，ToF适用于远距离导航，主动双目则在抗干扰性上表现突出。实际应用中需注意厂家标称数据与实际场景的差异，透明物体识别难题，以及多机干扰问题。不同技术路线各具优势，应根据具体应用场景选择合适的相机类型。

基于深度学习的蔬菜识别系统，resnet50，vgg16，resnet34【pytorch框架，python代码】更多图像分类、图像识别、目标检测、图像分割，图像检索等项目可从主页查看功能演示(要看shi pin下面的简介)：

努力学习_小白

DenseNet——Pytorch学习记录目录声明：我的环境：一、网络介绍：1.WHY2.WHATDense BlockTransition Layer