- 博客(6)
- 收藏
- 关注
RSS订阅原创 【Datawhale AI春训营】AI + 新能源（发电功率预测）Task 学习笔记
它接收模型类对象、训练数据特征矩阵、训练数据标签向量、测试数据特征矩阵、模型名称及随机种子作为参数，先将训练数据按 5 折划分，接着在每一折里依据模型名称选择对应模型训练，训练中定义好模型参数并设置早停机制，完成后用模型对验证数据和测试数据预测，将验证集预测结果存于 `oof` 数组，累加测试数据预测结果并取平均，同时计算每折验证集的平均绝对误差存入 `cv_scores` 列表，最后返回训练数据在验证集的预测结果和测试数据的预测结果。利用特征变换，如归一化、编码等操作，让特征适配模型需求；
2025-04-19 15:40:52
420
原创 【Datawhale AI春训营】RNA结构预测（AI+创新药）Task 学习笔记
RNA (核糖核酸) 在细胞生命活动中扮演着至关重要的角色，从基因表达调控到催化生化反应，都离不开 RNA 的参与。RNA 的功能很大程度上取决于其三维 (3D) 结构。理解 RNA 的结构与功能之间的关系，是生物学和生物技术领域的核心挑战之一。RNA 折叠 是指 RNA 序列自发形成特定三维结构的过程。而 RNA 逆折叠 则是一个更具挑战性的问题，即基于给定的RNA 三维骨架结构设计出能够折叠成这种结构的 RNA 序列。
2025-04-19 14:22:42
214
原创 Datawhale AI冬令营（第一期）day01
简单了解数据集的两种格式，Alpaca格式和ShareGPT格式（了解微调的数据集是定制大模型的关键）（5）创建应用 控制台-讯飞开放平台 （起名-填写应用分类-填写应用功能描述）（3）创建模型（起名-选择模型类型-选择基础模型-导入数据集-提交）学习内容：基于讯飞星辰Maas平台定制专属大模型。（1）进入讯飞开放平台注册星火大模型精调平台。（6）体验 将训练好的模型发布为服务。案例1：定制AI甄嬛语录bot。
2024-12-11 23:55:38
216
原创 Datawhale X 李宏毅苹果书 AI夏令营 Task3：深度学习实践方法论
应用机器学习算法时，实践方法论能够帮助我们更好地训练模型。如果在 Kaggle 上的结果不太好，虽然 Kaggle 上呈现的是测试数据的结果，但要先检查训练数据的损失。看看模型在训练数据上面，有没有学起来，再去看测试的结果，如果训练数据的损失很大，显然它在训练集上面也没有训练好。（图示在训练集上面没有学好的几点原因）
2024-09-03 08:53:48
1288
原创 机器学习新手入门 笔记Task2 #夏令营#Datawhale X 李宏毅苹果书AI夏令营
线性模型是基于线性关系（即一次函数关系）对数据进行建模和预测的方法。在这些模型中，目标变量（也称为因变量或响应变量）被假定为一个或多个自变量（也称为特征、解释变量或预测变量）的线性组合，加上一个误差项。这种关系可以表示为一个方程，其中每个自变量前的系数表示该自变量对因变量的影响程度，而误差项则捕捉了模型中未包含的因素或随机变异。线性模型的核心特点在于其简单性和可解释性。它们不仅易于理解和实现，而且能够清晰地展示自变量和因变量之间的关系。
2024-08-31 21:16:40
1456
原创 机器学习新手入门第一章 笔记01#夏令营#Datawhale X 李宏毅苹果书AI夏令营
对参数w与b随便选一个初始的值，先计算w 对 L 的微分，再计算一下 b 对 L 的微分，接下来更新 w 跟 b，更新的方向就是 ∂L/∂w，乘以 η （学习率）再乘以一个负号，∂L/∂b，算出这个微分的值（总结来说就是第一步：取初始点，求微分；分类（classification）：函数的输出是从设定好的选项中筛选一个结果输出。根据不同的参数，计算它的损失，画出来的等高线图（w-b的相关图）称为误差表 面（error surface）对于其他特定的问题，会有其适合的损失函数，并不仅限于上面的三种。
2024-08-27 18:52:24
798
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人