<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[hinker的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/hinker</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; hinker]]></copyright><item><title><![CDATA[Datawhale AI春训营：第三届世界科学智力竞赛新能源赛道baseline深度解读]]></title><link>https://blog.youkuaiyun.com/hinker/article/details/147240044</link><guid>https://blog.youkuaiyun.com/hinker/article/details/147240044</guid><author>hinker</author><pubDate>Tue, 15 Apr 2025 10:04:33 +0800</pubDate><description><![CDATA[本文围绕第三届世界科学智能大赛新能源赛道的 baseline 代码展开。该竞赛旨在基于气象及历史功率数据，预测 10 个新能源电站功率输出，数据为含缺失、异常值的 NetCDF 格式。baseline 代码用 LightGBM 做回归预测，经数据提取、预处理等核心步骤，以 5 折交叉验证优化，用 RMSE 和相关性系数评估。代码实现全流程，提供高效易懂起点。优化方向有特征工程、时间序列模型、模型融合等。本文解读代码逻辑，助参赛者理解细节，探索优化策略，提升预测性能，为竞赛提供有价值参考。]]></description><category></category></item><item><title><![CDATA[处理华康字体授权纠纷的实用指南]]></title><link>https://blog.youkuaiyun.com/hinker/article/details/137463703</link><guid>https://blog.youkuaiyun.com/hinker/article/details/137463703</guid><author>hinker</author><pubDate>Sun, 07 Apr 2024 14:44:23 +0800</pubDate><description><![CDATA[面对华康字体授权纠纷，企业应首先确认使用情况，了解并选择合适的授权方案，主动与华康公司沟通协商，正规购买商用授权，并注意避免侵权风险。通过这些步骤，企业可以有效处理授权纠纷，确保合法合规地使用字体，保护企业的品牌和合法权益。]]></description><category></category></item><item><title><![CDATA[公司运营中使用商用字体的指导手册]]></title><link>https://blog.youkuaiyun.com/hinker/article/details/137463453</link><guid>https://blog.youkuaiyun.com/hinker/article/details/137463453</guid><author>hinker</author><pubDate>Sun, 07 Apr 2024 14:42:34 +0800</pubDate><description><![CDATA[本文提供了一份全面的商用字体使用指导手册，旨在帮助企业在运营中正确选择和使用商用字体，避免版权纠纷。首先，企业应明确字体使用的具体范围和目的，并了解不同字体的授权方案。在确认使用情况后，企业应主动与字体公司沟通协商，选择合适的授权方案。购买商用授权是确保合法使用的关键步骤，同时企业应提高版权意识，避免侵权风险。此外，定期查询字体授权情况，确保所有字体均已获得相应授权，是维护企业合法权益的重要措施。通过这些步骤，企业可以有效管理和规范商用字体的使用，提升品牌形象和专业度]]></description><category></category></item><item><title><![CDATA[如何使用Noisee.AI为Suno音乐创建MV]]></title><link>https://blog.youkuaiyun.com/hinker/article/details/137456240</link><guid>https://blog.youkuaiyun.com/hinker/article/details/137456240</guid><author>hinker</author><pubDate>Sun, 07 Apr 2024 11:00:53 +0800</pubDate><description><![CDATA[这篇文档介绍了在Noisee AI的Discord频道为Suno音乐创建视频的手册。]]></description><category></category></item><item><title><![CDATA[第二期书生·浦语大模型实战营第一天视频直播笔记]]></title><link>https://blog.youkuaiyun.com/hinker/article/details/137138245</link><guid>https://blog.youkuaiyun.com/hinker/article/details/137138245</guid><author>hinker</author><pubDate>Fri, 29 Mar 2024 10:58:28 +0800</pubDate><description><![CDATA[提供不同尺寸和类型的模型，满足不同需求。7B轻量级模型适合成本敏感的应用。20B中量级模型支持复杂场景。模型包括InternLM2-Base, InternLM2, InternLM2-Chat。InternLM2-Base为基础模型，具备高质量和强可塑性。InternLM2-Chat为对话优化模型，具备指令遵循和工具调用能力。书生浦语提供从数据到预训练、微调、部署、评测、应用的全链条工具。数据方面有书生万卷数据集。预训练框架InternEvo支持大规模训练。]]></description><category></category></item><item><title><![CDATA[Draw.io和Visio比较]]></title><link>https://blog.youkuaiyun.com/hinker/article/details/136669795</link><guid>https://blog.youkuaiyun.com/hinker/article/details/136669795</guid><author>hinker</author><pubDate>Wed, 13 Mar 2024 09:20:53 +0800</pubDate><description><![CDATA[Draw.io和Visio都是知名的绘图工具，它们在功能、易用性、用户满意度等方面各有特点。用户评价显示，draw.io和Visio的满意度评分非常接近，分别为4.5/5和4.54/5，基于不同数量的用户评论。Visio作为商业软件，需要购买或订阅，而draw.io作为开源平台，对个人用户来说更经济。功能上，draw.io提供与Visio相当的绘图功能，用户界面直观，支持跨平台使用，而Visio则提供更多高级功能，适合专业用户。]]></description><category></category></item><item><title><![CDATA[如何创建一个NetBox插件？]]></title><link>https://blog.youkuaiyun.com/hinker/article/details/132403439</link><guid>https://blog.youkuaiyun.com/hinker/article/details/132403439</guid><author>hinker</author><pubDate>Mon, 21 Aug 2023 10:42:15 +0800</pubDate><description><![CDATA[这篇文章由CodeGeeX产生，不是很准确，下面我会写一系列NetBox插件的博客。]]></description><category></category></item><item><title><![CDATA[How to Kill Nutanix Prism Stuck Hanging Task via Command]]></title><link>https://blog.youkuaiyun.com/hinker/article/details/131952077</link><guid>https://blog.youkuaiyun.com/hinker/article/details/131952077</guid><author>hinker</author><pubDate>Thu, 27 Jul 2023 08:58:56 +0800</pubDate><description><![CDATA[本文描述了如何通过命令行杀死Nutanix Prism挂起、未完成任务]]></description><category></category></item><item><title><![CDATA[ChatGPT-Next-Web：Vercel 和 Cloudflare 的快速部署]]></title><link>https://blog.youkuaiyun.com/hinker/article/details/129941126</link><guid>https://blog.youkuaiyun.com/hinker/article/details/129941126</guid><author>hinker</author><pubDate>Mon, 03 Apr 2023 22:59:23 +0800</pubDate><description><![CDATA[本文介绍了如何将 ChatGPT-Next-Web 部署到 Vercel 并在 Cloudflare 上加速，使用 SSL、CDN 和缓存等功能。ChatGPT Next Web是一个免费的一键部署私人ChatGPT网页应用程序，具有精心设计的UI、响应式设计和支持深色、浅色两种主题等功能。它还提供了海量内置提示列表（开发中）、自动压缩聊天记录以及一键以Markdown格式导出聊天记录等特性。用户可以使用OpenAI API Key开始部署，并可选择绑定自定义域名。]]></description><category></category></item><item><title><![CDATA[Assessment Report Regarding Data Compliance]]></title><link>https://blog.youkuaiyun.com/hinker/article/details/129098869</link><guid>https://blog.youkuaiyun.com/hinker/article/details/129098869</guid><author>hinker</author><pubDate>Sat, 18 Feb 2023 12:29:57 +0800</pubDate><description><![CDATA[Data Compliance, Assessment Report]]></description><category></category></item><item><title><![CDATA[用无界AI生成图片]]></title><link>https://blog.youkuaiyun.com/hinker/article/details/128918500</link><guid>https://blog.youkuaiyun.com/hinker/article/details/128918500</guid><author>hinker</author><pubDate>Tue, 07 Feb 2023 14:59:33 +0800</pubDate><description><![CDATA[AI绘画，无界AI]]></description><category></category></item><item><title><![CDATA[《零基础入门数据挖掘 - 二手车交易价格预测》Task5:模型融合]]></title><link>https://blog.youkuaiyun.com/hinker/article/details/105316260</link><guid>https://blog.youkuaiyun.com/hinker/article/details/105316260</guid><author>hinker</author><pubDate>Sat, 04 Apr 2020 21:09:19 +0800</pubDate><description><![CDATA[经过前四个任务后，模型的分数已经比较稳定。
为了进一步提高分数，我们可以采取模型融合的方式。
网上有太多介绍融合的文章，不过我看完还是一头雾水，决定不在这里班门弄斧了，大家还是bing的好。
1. 模型建立
1.1 建立一个用于比较的线性回归模型
def build_model_lr(x_train, y_train):
    reg_model = linear_model.LinearReg...]]></description><category></category></item><item><title><![CDATA[《零基础入门数据挖掘 - 二手车交易价格预测》Task4:建模与调参]]></title><link>https://blog.youkuaiyun.com/hinker/article/details/105243306</link><guid>https://blog.youkuaiyun.com/hinker/article/details/105243306</guid><author>hinker</author><pubDate>Wed, 01 Apr 2020 14:10:54 +0800</pubDate><description><![CDATA[经过Task 2 EDA和Task 3特征工程后，已经准备好数据，下面是开始建模和调参的过程。
Step 1:导入函数工具箱
## 基础工具
import numpy as np
import pandas as pd
import warnings
import matplotlib
import matplotlib.pyplot as plt
import seaborn as sns
fr...]]></description><category></category></item><item><title><![CDATA[《零基础入门数据挖掘 - 二手车交易价格预测》Task3:特征工程]]></title><link>https://blog.youkuaiyun.com/hinker/article/details/105166355</link><guid>https://blog.youkuaiyun.com/hinker/article/details/105166355</guid><author>hinker</author><pubDate>Sat, 28 Mar 2020 19:40:21 +0800</pubDate><description><![CDATA[《零基础入门数据挖掘 - 二手车交易价格预测》Task3:特征工程
一、目的
为了提升模型的学习能力，对该数据集进行分析、清洗、重新组织。
二、数据处理
1. 导入数据、读入文件
导入数据：
工具箱导入：
import pandas as pd
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
import s...]]></description><category></category></item><item><title><![CDATA[《零基础入门数据挖掘 - 二手车交易价格预测》Baseline实施]]></title><link>https://blog.youkuaiyun.com/hinker/article/details/105003299</link><guid>https://blog.youkuaiyun.com/hinker/article/details/105003299</guid><author>hinker</author><pubDate>Sat, 21 Mar 2020 08:57:33 +0800</pubDate><description><![CDATA[@[TOC]《零基础入门数据挖掘 - 二手车交易价格预测》baseline实施
《零基础入门数据挖掘 - 二手车交易价格预测》Baseline实施
前面陆陆续续学习机器学习大概有有2个月的时间，西瓜书没有看完，吴恩达的视频也没有看完。春节期间开始参加阿里巴巴智能运维算法大赛,和小伙伴一起通力合作，勉强进入复赛，感到力有不逮，基础不够牢固。前几天看到天池举行了《零基础入门数据挖掘 - 二手车交易价格...]]></description><category></category></item><item><title><![CDATA[我的第一次]]></title><link>https://blog.youkuaiyun.com/hinker/article/details/2667375</link><guid>https://blog.youkuaiyun.com/hinker/article/details/2667375</guid><author>hinker</author><pubDate>Thu, 17 Jul 2008 16:54:00 +0800</pubDate><description><![CDATA[好长时间没有到优快云来看了，今天才知道开了博客，现在到处是博客。我在Sina有，在MSN有，在QQ有，唉，真不知道在哪里为主。下次将与IT有关的贴到这里来。这就算我的第一次吧！欢迎各位常来！]]></description><category></category></item></channel></rss>