数据挖掘

精益数据分析读书笔记第一章不是哥们，马工程之类的教材看多了，总觉得这些个人出版的书有些二流的感觉，说法夸张，总感觉无时无刻不在自我营销中。只不过，一本关于创业的书都无法做好自我营销，噱头不大，那也没什么看头。

老蒋新思维

范式重构：从场景锚点到价值闭环——AI智能体落地知识产业的非技术视角|创客匠人2025年11月22日-25日，厦门。一场由SaaS服务商创客匠人发起、汇聚上万名创业者的“IP+AI”峰会，意外地成为了观测知识付费与内容创业产业转型的绝佳切片。本机构作为观察者深入现场，发现会议的焦点已远远超越单一的产品发布，而演变为一场关于 “AI生产力如何与商业本质结合” 的密集论证。本文旨在以第三方视角，梳理这场盛会所揭示的、正成为行业共识的智能体落地新逻辑。

合规风控：自动数据分析软件如何满足等保2.0要求等保2.0作为我国网络安全领域的核心制度，以动态防御、主动防护为核心，通过技术与管理双重维度构建安全体系。其核心目标包括分级保护、对象扩展和合规驱动。自动数据分析软件作为处理敏感数据的关键系统，需要特别关注等保2.0的相关要求。

python机器学习ML

机器学习——因果推断方法的DeepIV和因果森林双重机器学习（CausalForestDML）示例DeepIV 是什么？DeepIV（Deep Instrumental Variables）是一种用于因果推断的计量经济学和机器学习方法。它的核心目标是在存在**内生性（Endogeneity）**问题时，估计处理（Treatment）对结果（Outcome）的因果效应。

NLG技术在自动生成数据分析报告中的应用自然语言生成（NLG）作为人工智能的重要分支，能够将结构化数据转化为人类可理解的自然语言文本。其核心价值在于打破数据与决策之间的壁垒，让非技术人员也能快速理解复杂数据分析结果。NLG技术的工作流程主要包括三个阶段：

python机器学习ML

EconML实战：使用DeepIV、DROrthoForest与CausalForestDML进行因果推断详解本项目旨在详细解释一系列用于因果推断的Python代码实现。内容面向有一定机器学习基础，但对因果推断领域尚不熟悉的读者。我们将深入探讨代码的每个阶段，解释其背后的原理、目的和具体实现细节。通过本项目，将能够理解这些复杂的因果模型是如何工作的，并具备将其应用于自己数据集的能力。

老蒋新思维

创客匠人峰会实录：AI 赋能 IP 定位破局 —— 创始人知识变现的差异化增长路径11 月 22 日 - 25 日，“全球创始人 IP+AI 万人高峰论坛” 圆满落幕。峰会上，“AI 重构 IP 定位” 成为破解知识变现 “同质化困境” 的核心共识。在内容爆炸的时代，创始人 IP 的定位不再是 “自封专家”，而是 “精准匹配用户需求的差异化价值”。而 AI 技术的介入，正在让 IP 定位从 “经验判断” 转向 “数据驱动”—— 通过 AI 洞察用户真实需求、分析行业竞争格局、优化定位表达，让创始人 IP 快速找到差异化赛道，实现知识变现的精准增长。峰会披露的实践案例显示，AI 赋能的

开源免费BI数据分析软件HighBI数据分析自2022年开始研发BI数据分析定制产品，2025年研发2.0版本，目前进入产品测试阶段，推出开源永久免费BI数据分析功能。

思通数科多模态大模型

多业态连锁环境管理系统：AI + 机器人闭环，坪效提升 16%门店环境本是沉默的，却在无声处酿成大祸：高峰无人知地面湿滑，夜间无人见灯闪，雨天无人管玻璃污——2025年，环境设施异常导致的综合损失平均占运营成本19%，保洁+维修双线超支，数据孤岛让决策如盲。

ChatTime：连接数值与文本数据的统一多模态时间序列基础模型人类专家通常会整合数值和文本多模态信息来分析时间序列。然而，大多数传统的深度学习预测模型仅依赖单模态的数值数据，在单个数据集上使用固定长度的窗口进行训练和预测，无法适应不同的场景。性能强大的预训练大型语言模型为时间序列分析带来了新的机遇。但现有的方法要么训练效率低下，要么无法处理文本信息，要么缺乏零样本预测能力。在本文中，我们创新性地将时间序列建模为一种“外语”，并构建了ChatTime——一个用于时间序列和文本处理的统一框架。作为一款即开即用的多模态时间序列基础模型，ChatTime具备零样本预测能力，

【Python数据分析】数据分析完整流程（全）目录一、数据分析流程1. 数据的导入（pd.read_csv(【文件名】)）和导出(pd.to_csv(【文件名】))

【大模型开发之数据挖掘】1. 介绍数据挖掘及其产生与发展如果把“大模型”比作一个博学多识的智者，那么“数据挖掘”就是它的童年启蒙课——从混乱的信息里提炼规律，从看似无序的世界里找出故事。在 AI 时代的今天，我们习惯了模型自动给出答案，却容易忽略一个事实：当年，没有数据挖掘，就不会有今天的大模型。

算法与编程之美

探索不同的损失函数和batch_size对分类精度的影响1 问题探索不同的损失函数对分类精度的影响。探索不同的batch_size对分类精度的影响。2 方法问题1：探索不同的损失函数对分类精度的影响

【模型与算法】Isolation Forest、Local Outlier Factor、One-Class SVM 三者系统对比与实战指南在异常检测领域，Isolation Forest（IF）、Local Outlier Factor（LOF）、**One-Class SVM（OCSVM）**可以说是“基础三剑客”。它们能覆盖：

沃达德软件

智慧警务与数据分析警务大数据平台是依托大数据分析中心开展工作的，是智慧警务的核心，将人工智能算法、数据挖掘方法、实战模型算法、机器学习应用于大数据分析，模拟人的智慧解决大量警务工作。大数据分析中心的功能可以根据每个中心职能分工进行功能性调整。其中，警务数据挖掘主要依赖两项技术，一是对某个领域各部门产生的各种业务数据进行整理和集成，搭建支持决策的数据分析环境，即数据仓库；二是发现隐藏在各种监测数据之中的有用知识，即数据挖掘。 #大数据平台#智慧警务#大数据分析#数据挖掘

大模型面试题16：SVM 算法详解及实践没问题！我会用生活化的例子和大白话，把SVM从头到尾给你讲明白，保证新手也能轻松看懂，咱们一步步来：你可以把SVM想象成一个**“土地规划师”，它的核心工作就是在一堆混杂的两类东西（比如红苹果和绿橘子）中间，画一条最合理的分界线**——这条线要满足两个要求：

基于极限学习机（ELM）的数据分类：原理、实现与优化极限学习机（Extreme Learning Machine, ELM）是一种单隐层前馈神经网络（SLFN），由黄广斌教授于2006年提出。其核心思想是随机初始化输入层与隐含层的权重和偏置，无需迭代调整，通过最小二乘法（Moore-Penrose广义逆）直接求解输出层权重，从而实现快速训练和高泛化能力。

编程设计366

pandas 中 DataFrame、mean()、groupby 和 fillna 函数的核心作用运行效果图：

奥威AI数据智能体：当BI遇上AI，企业数据分析的“确定性”革命当AI遇上BI：是颠覆还是赋能？奥威用独特技术路线给出答案 “有了AI，就不再需要BI？”这恐怕是2025年企业IT圈和数据领域最热门、也最令人困惑的话题之一。随着ChatGPT等大模型的爆发，自然语言直接生成代码、图表似乎触手可及，一种“AI万能论”的乐观情绪开始蔓延。然而，当众多厂商一拥而上，追逐NL2SQL、智能体等热门技术时，一家名为奥威软件的厂商，却选择了一条看似“笨拙”，实则直击核心的独特道路。

老蒋新思维

创客匠人启示录：AI 时代知识变现的底层逻辑重构 —— 从峰会实践看创始人 IP 的破局之路11 月 22 日 - 25 日，一场聚焦知识变现与创始人 IP 发展的行业峰会落下帷幕。在这场汇聚了各领域实践者的交流中，“AI 重构商业逻辑” 成为高频共识。过去，知识变现往往停留在 “内容生产 - 流量获取 - 产品售卖” 的线性模式，而峰会中披露的实践案例与深度讨论，让我们看到创始人 IP 打造正在告别 “流量依赖”，转向 “价值驱动” 的底层逻辑重构。当智能体成为商业基础设施，知识变现的核心不再是 “卖内容”，而是 “用 IP 串联场景、用数据沉淀价值”，这正是当下创始人突破变现瓶颈的关键所在。