- 博客(35)
- 收藏
- 关注
RSS订阅原创 【分析式AI】-带你搞懂逻辑回归模型
逻辑回归是一种广义线性模型，主要用于二分类任务。其核心思想是通过sigmoid函数将特征的线性组合映射到(0,1)区间，得到样本属于正类的概率。模型假设样本分类结果服从伯努利分布，通过最大似然估计构造损失函数，并采用梯度下降法求解最优参数。决策边界由θ^Tx=0决定，可通过特征工程实现非线性分类。逻辑回归具有可解释性强、计算高效等优点，但需注意去除高度相关特征以避免多重共线性问题。该模型在概率预测和分类任务中应用广泛。
2025-12-16 02:32:54
231
原创 【分析式AI】-带你搞懂SVM工具
SVM（支持向量机）是一种监督学习模型，通过寻找最优超平面实现分类。其核心在于使用核函数将低维不可分数据映射到高维空间实现线性分割。常用核函数包括线性核、多项式核、RBF核和Sigmoid核。关键参数如惩罚系数C、核函数系数gamma等影响模型性能。实现方法有SVC、NuSVC和LinearSVC。以水果分类为例，当二维特征无法区分时，通过RBF核映射到高维空间，并调整参数避免过拟合，最终实现准确分类。SVM通过核技巧有效解决了非线性分类问题。
2025-12-16 02:03:54
298
原创 【分析式AI】-数据建模
数据建模就像给数据办身份证，让信息管理更高效。专业上分为概念、逻辑、物理三阶段建模，将业务需求转化为清晰的数据结构。生活中类似整理衣柜或记账，通过分类标识让数据不混乱。没有建模会导致数据打架（如客户信息不一致），而科学建模能确保数据身份统一、口径一致，为决策提供可靠依据。本质上是通过"数据建档"解决信息混乱问题，就像给每件衣服贴标签一样简单有效。
2025-12-15 19:36:10
315
原创 【分析式AI】-特征工程（二手车价格预算举例说明）
摘要： 特征工程是机器学习优化数据的关键步骤，包含特征选择（保留关键信息如车龄）、特征转换（统一数据格式）和特征创建（生成新特征如计算车龄）。其核心价值是提升模型效率与准确性，类比整理衣柜——杂乱数据导致低效，优化后能快速定位关键规律。例如二手车预测中，忽略颜色、聚焦车龄可使误差降低15%。本质是通过数据"整容"，让模型像整理后的衣柜一样高效运作。
2025-12-15 19:28:26
195
原创 【分析式AI】-分类与回归的区别以及内联
摘要：分类与回归是机器学习的两种核心任务。分类预测离散类别（如“是/否”），回归预测连续数值（如房价）。二者本质都是学习输入到输出的映射关系，区别在于输出类型和损失函数。实际应用中常可相互转化：分类可视为概率预测（如逻辑回归），回归结果可通过阈值转为分类。部分模型（如决策树、神经网络）通过调整输出层即可切换任务。例如预测年龄是回归问题，但可转为年龄段分类；电影评分虽是离散分类，本质是连续评价的离散化。二者在实践中常结合使用，如先回归预测房价再分类为价格区间。
2025-12-15 18:44:32
92
原创 【阿里AI大赛】-二手车价格预测报名入口-第一步
本文介绍了阿里云天池二手车价格预测竞赛的报名指南与参赛要点。报名需通过阿里云实名认证后访问赛事主链接。比赛要求基于40万条脱敏数据建立回归模型预测价格，以MAE为评价指标。关键时间节点包括7月22日开放测试集1、8月2日切换测试集2。文章提供了二手车估值的专业方法（市价法、重置成本法等）和避坑建议，并推荐使用Python数据科学工具链。该竞赛适合开发者锻炼从数据处理到模型优化的全流程能力。
2025-12-15 17:33:07
332
原创 【分析式AI】-机器学习10大经典模型及其分类
本文用通俗易懂的方式解释了10种常见机器学习算法，将专业术语转化为生活案例：C4.5决策树像"分类小助手"；朴素贝叶斯是"简单粗暴"的分类法；SVM寻找最宽分隔线；KNN类似"找朋友"推荐；Adaboost如团队协作；CART是智能分类器；K-Means像分组游戏；EM是迭代猜谜过程；Apriori发现商品关联；PageRank评估网页影响力。这些算法各有所长，需根据具体问题选择合适的"工具"，就像不能拿锤子拧螺丝一样。
2025-12-14 23:57:23
462
原创 【人工智能时代】-带你弄懂分析式AI和生成式AI
分析式AI与生成式AI的核心差异可归纳为：目标（分析规律vs生成内容）、用途（预测决策vs创意生产）、输出（分析报告vs新作品）、技术（学习规律vs模仿风格）、数据需求（标注数据vs海量素材）、应用场景（精准判断vs创意效率）和风险类型（数据偏差vs内容失真）。前者像数据侦探挖掘信息价值，后者如创意助手凭空生成新内容，二者在AI领域形成互补关系。
2025-12-12 21:24:06
504
原创 【分析式AI】-带你搞懂贝叶斯原理
它强调"参数本身也是随机的"，应通过概率来刻画认知的不确定性，与频率主义"参数固定，数据随机"形成方法论对比。：你一开始觉得"这封邮件可能是垃圾邮件"（20%概率），但看到里面有"免费"这个词后，你立刻觉得"这很可能是垃圾邮件"（75%概率）。：你本来觉得"女神可能喜欢我，也可能不喜欢"（50%概率），但看到她经常冲你笑后，你立刻觉得"她很可能喜欢我"（75%概率）。：你本来觉得"打喷嚏的人可能没感冒"（10%概率），但看到他打喷嚏后，你立刻改口"他很可能感冒了"（64%概率）。贝叶斯原理的核心在于。
2025-12-12 19:38:11
944
原创 【智能体搭建平台篇】-Dify部署方案介绍
Dify是一款开箱即用的AI应用开发平台，支持零代码搭建企业级AI助手。提供Docker Compose、Kubernetes等多种部署方式，5分钟即可完成本地部署。用户可通过简单操作创建知识库问答应用，上传PDF等文档后自动构建智能问答系统，支持通义千问等200+主流模型。Dify具有私有化部署、数据安全可控等特点，已服务上百家企业，GitHub星标超9万。企业无需编码即可快速搭建专属AI助手，实现知识库智能问答功能。
2025-12-12 08:30:00
491
原创 【人工智能时代】-Dify绘图工具解析
Dify本身并不提供内置的绘图功能，但它通过"自定义工具"机制，支持开发者轻松集成第三方AI绘图API。自定义工具：使用OpenAPI/Swagger标准格式，将第三方绘图API集成到Dify平台工作流：通过Dify的工作流功能，将绘图API与其他AI功能结合，构建更复杂的AI应用。"Dify中的工具是指其平台内置或支持集成的功能插件，用于扩展AI应用的能力。"这意味着，虽然Dify没有自带绘图功能，但通过工具集成，你可以让Dify具备强大的绘图能力。
2025-12-11 13:27:38
991
原创 【人工智能时代】-带你秒懂Dify中的Chatflow和Workflow
在AI应用开发中，选择Chatflow还是Workflow，不是技术选择，而是业务需求的体现。Chatflow适合需要"人情味"的对话场景，让AI像朋友一样与用户交流；Workflow适合需要"高效力"的任务场景，让AI像工人一样高效执行。正如一位资深AI产品经理所说：“Chatflow是AI的’情商’，Workflow是AI的’智商’。只有两者结合，才能构建真正有价值的AI应用。
2025-12-10 14:27:31
960
原创 HiAgent vs Coze：企业级智能体平台大对比
摘要： HiAgent与Coze是字节跳动旗下两款AI平台，定位与适用场景差异显著。HiAgent面向企业级需求，提供全生命周期管理，支持私有化部署，适合金融、医疗等复杂场景，但开发门槛较高。Coze主打轻量级应用开发，低代码操作、插件丰富，适合个人和小团队快速搭建客服机器人等简单应用。核心区别在于：HiAgent如"专业厨师"提供深度定制，Coze如"智能电饭煲"实现快捷部署。企业用户应优先考虑HiAgent的数据安全与定制能力，个人开发者则可选择Coze的易用性。
2025-12-09 15:43:05
1642
原创 Agent中的POC是什么？（秒懂版）
Agent POC（概念验证）的核心在于验证技术方案能否解决实际问题，而非功能完整性。其要点包括：聚焦1-2个核心业务场景、快速原型验证（通常几周内完成）、量化效果指标（如效率提升百分比）以及确保业务部门参与。常见失败原因是选错场景、缺乏量化评估或业务参与不足。成功的POC应从小范围痛点切入，用实证数据证明技术价值，避免技术团队"自嗨"。正如智能客服案例所示，有效的POC能以低成本验证方案可行性，为后续投入提供决策依据。
2025-12-09 14:58:46
721
原创 AI应用开发工程师必懂常识
大家可以提前注册阿里云百炼，获取 dashscope apikey，用于后续的使用。完成认证后，在左下角有 API-Key，创建我的 API-Key 即可。
2025-12-08 19:50:16
1240
原创 优快云的在线客服入口（3秒找到）
摘要：通过优快云官网可快速联系在线客服，只需访问官网首页，滚动页面至左侧找到在线客服入口，输入"人工服务"即可与客服人员实时沟通。该方法简单直接，适合需要快速解决问题的用户。
2025-12-07 16:03:17
182
原创 DeepSeek数据飞轮大揭秘
数据飞轮是一种AI持续优化的机制，通过"数据收集-处理-模型更新-反馈"的闭环实现智能进化。以智能咖啡馆为例，顾客反馈帮助系统自动调整咖啡配方，形成良性循环。海天瑞声与华为昇腾合作的数据飞轮智能体，将传统数天的数据处理缩短至10分钟，模型性能提升35%。某医院智能问诊系统应用后，准确率从75%提升至92%，患者满意度显著提高。这种机制让AI像不断进化的智能咖啡馆，用户反馈越多系统越精准，形成自我强化的增长飞轮。
2025-12-07 15:28:21
719
原创 AI模型-MCP详解（秒懂版）
摘要： MCP（模型上下文协议）是AI领域的通用接口标准，类似"USB-C"，支持跨模型工具集成；Function Call则是模型内置的单一功能（如查天气）。核心区别在于：MCP支持多轮对话和复杂任务（如自动生成分析报告），具有开放生态和企业级安全；Function Call适合简单需求但缺乏上下文记忆。MCP让AI从执行单次命令升级为连贯处理复杂流程，如同从"点菜"进化到"自主做饭"。两者互补，MCP侧重长期生态，Function Call适合
2025-12-05 15:28:58
993
原创 Agent与Copilot的区别（秒懂版）
摘要： Agent与Copilot在金融场景中的核心差异在于自主决策与执行能力。Agent是“智能管家”，能自动完成数据查询、报告生成、邮件发送等闭环操作（如10秒生成专业报告）；Copilot仅是“智能助手”，仅提供文本补全建议（如补全“今日市场涨了”），无法调用系统或验证数据。 关键区别： Agent：自主规划→执行→反馈（如自动处理客户投诉）； Copilot：仅补全文字，需人工干预（如建议报告开头但无数据支撑）。 金融价值： Agent提升效率20倍（自动化闭环），Copilot仅辅助输入（效率有限
2025-12-04 01:03:27
956
原创 Cursor相关知识解答
本文对比了Cursor、Trae、CodeBuddy、PyCharm和VS Code等开发工具在语言支持、AI功能、适用场景等方面的差异。重点介绍了Cursor的中文设置方法、基础界面操作，以及其三种工作模式（Agent、Ask、Manual）的特点和适用场景。同时说明Cursor需要注册但非强制购买会员，并推荐了Trae等免费替代工具。文章为开发者提供了工具选型参考和使用指南。
2025-12-03 18:01:51
1015
原创 CodeBuddy-Rules配置
本文介绍了CodeBuddy IDE中Rules功能的定义与使用方法。Rules分为User Rules（个人全局规则）和Project Rules（项目级别规则）两种：User Rules适用于所有项目，定义个人编码偏好；Project Rules包含三种触发类型（Always、Agent Requested、Manual），用于定义项目规范。用户可通过@符号手动引用Manual类型的Rules。文章最后提供了个人常用的Rules配置示例，包括项目规则（如保留原有功能、中文注释等）和全局规则（如中文回复、
2025-12-02 19:57:13
435
原创 DeepSeek的创新-DeepSeek-MoE大揭秘
DeepSeek-MoE是一种创新的混合专家模型，采用类似医院分诊系统的智能架构。该系统包含三个核心组件：智能分诊台(Router)负责初步判断问题类型，专科专家(Expert)专注于特定领域问题，基础专家(Shared Expert)处理通用任务。与传统模型不同，它通过动态激活相关专家而非全部参数，显著提升效率。其创新点包括细粒度专家划分、共享专家分离和优化的任务分配机制，既节省计算资源又提高专业度。类比智能音箱的工作原理，DeepSeek-MoE确保每个问题都能被最合适的专家处理，实现高效精准的AI推理
2025-12-01 12:30:06
545
原创 DeepSeek的创新-混合精度框架
DeepSeek混合精度框架创新性地将AI模型训练比作"智能厨房"，通过关键步骤高精度（BF16/FP32）与普通步骤低精度（FP16/FP8）的智能组合，实现了三大突破：显存占用降低40-60%、计算速度提升2-3倍、同时保持模型精度。该框架采用动态梯度缩放技术，像"智能调味师"般精准控制关键参数，成为首个在超大规模模型上验证FP8训练有效性的方案，将训练成本从数亿美元降至557万美元。这种"精确+高效"的混合策略，为AI大模型训练提供了更经济的
2025-12-01 12:26:25
435
原创 DeepSeek-蒸馏和量化详解
摘要： 蒸馏和量化技术可大幅压缩大模型，使其适用于移动设备。蒸馏如同美食大师传授精髓（关键知识），学生模型只需学习核心要点而非全部细节，即可接近教师模型性能。量化则将高精度模型（如FP32）压缩为低精度格式（如INT8），如同高清电影转为MP3，体积缩小但效果相近。两者结合后，模型显存占用可降低93.3%，推理速度提升20%，性能损失仅3%。这使大模型能高效运行于手机等资源受限设备，实现"小模型，大能力"。 （150字）
2025-11-30 14:10:38
747
原创 什么DeekSpeek居然自己会学习？
摘要： SFT（监督微调）和RL（强化学习）是两种不同的AI训练方法。SFT如同老师手把手教学，提供标准答案让AI模仿，结果稳定但缺乏创造性；RL则让AI通过试错自行探索，虽然学习过程较慢但更具适应性和创新性。实际应用中，SFT适合标准化任务，RL更适合需要个性化的复杂场景。研究表明，RL在复杂任务中的表现（97%）优于SFT（90%）。理想的AI训练应结合两者：先用SFT打好基础，再用RL提升灵活性，使AI既安全又智能。
2025-11-30 14:01:12
553
原创 AutoDl算力平台使用教程（保姆级）
autodl.com 是中国最大的面向 C 端租云端 GPU 的平台，在 autodl 上可以直接租一个带有 GPU 的服务器（通常会配备同样水平的cpu，内存），Autodl 平台主要用来运行需要下载本地模型的实验。
2025-11-29 13:01:22
1777
原创 为什么在Prompt优化中用CoT（思维链）
摘要： CoT（思维链）提示词通过拆解复杂问题为小步骤，提升AI回答的准确性和可解释性。核心优势包括：1️⃣ 避免跳步错误，如数学题分步计算；2️⃣ 增强透明度，展示推理过程；3️⃣ 解决复杂任务，如旅行规划分步分析。生活化案例显示，CoT让AI推荐更合理（如选手机时对比参数）且易理解（如减肥方案评估）。对比普通Prompt，CoT输出更可靠，用户信任度更高，是优化AI交互的实用工具。
2025-11-29 03:00:58
1274
原创 DeepSeek的创新-MLA详解
摘要：MLA（Memory-efficient Linear Attention）工作原理可通过"智能导购系统"类比理解：传统MHA需要记忆每个零食精确位置（显存占用大），而MLA像超市导购系统，只需记住"薯片在A区"这类压缩信息（显存占用小）。系统先定位类别区域（潜在向量），再在指定区域解码具体位置（Key/Value），实现快速检索（推理效率高）。这种方法既保持效果又显著降低显存需求，如同智能导购用"类别记忆"替代"精确位置记忆&qu
2025-11-28 15:20:07
433
原创 为啥通义灵码插件返回的数据是英文？
摘要： PyCharm中通义灵码返回英文的问题，主要是由于PyCharm默认语言设置为英文，且插件未适配中文或未更新所致。解决方法分三步：1）将PyCharm系统语言改为中文（关键步骤）；2）检查通义灵码插件语言设置并调整为中文；3）更新插件至最新版（如v2.3.1）。金融从业者尤其受益于中文输出，可节省翻译时间，提升效率。30秒操作即可解决问题，确保插件返回中文内容。
2025-11-27 14:08:24
557
原创 LLM（大模型）中Message参数详解
📝 摘要（148字） messages参数是LLM的"对话笔记本"，记录每轮对话（用户提问+AI回复）。以Qwen-Max为例： 1️⃣ 容量：上限32,768 tokens（约655轮对话），实际推荐50-100轮避免溢出 2️⃣ 限制：超限后自动删除最早消息（阿里云硬性截断） 3️⃣ 解决方案： 代码自动清理旧消息（保留最近20轮） 直接依赖DashScope的自动截断功能 4️⃣ 类比：类似微信聊天记录，LLM只"记得"近期对话，超长部分自动遗忘。新手需注意控
2025-11-26 15:25:02
429
原创 阿里云的DashScope详解
阿里云DashScope是一个AI服务调用平台，用户无需训练模型或部署服务器，通过简单API调用即可快速获取AI能力。它提供文本生成、情感分析、代码解释等功能，就像"AI外卖平台"一样随点随用。与阿里云百炼不同，DashScope专注于直接调用现成AI服务，而非模型训练管理。用户只需获取API Key，复制代码示例，就能在30秒内体验AI服务，适合需要快速应用AI能力而无需底层开发的场景。
2025-11-26 12:31:13
579
原创 Coze相关问题
Coze平台常见问题摘要：数据库不支持直接导出本地，可通过HTTP插件同步保存；工作流查询问题可能因模型不稳定性导致，建议检查中间节点输出；多用户模式下需注意数据库节点配置和渠道隔离；插件JSON格式错误需按标准格式调整；界面跳转功能目前仅支持固定页面，下拉组件无法引用不同工作流。
2025-11-26 07:45:00
163
原创 安装Python代码依赖
在 Python 开发中，“依赖包”（也叫第三方库、模块、库）是指别人已经写好、可以被你直接使用的代码。这些功能如果你自己从头写，可能要花几周甚至几个月。而用别人写好的包，一行就能用。比如，numpypandasflaskmatplotlibpip 是 Python 官方推荐的包管理工具（Package Manager），它的作用就像：手机上的“应用商店”（App Store / 应用宝），能自动从（Python Package Index）下载你需要的包。在终端执行pip list来查看所有安装的包。
2025-11-25 14:47:33
366
原创 Python相关问题
本文解答了Python使用中的常见问题：1)推荐使用Python 3.10及以上版本；2)遇到模块缺失报错时，可通过pip安装对应包，建议使用清华源加速；3)解释了.py和.ipynb格式的区别及转换方法；4)详细说明了Windows系统环境变量设置步骤；5)提供使用镜像源加速库安装的方法；6)介绍了Anaconda的下载安装流程及Jupyter/Spyder的启动方式。
2025-11-24 17:40:57
475
DirectX Repair4.4(64bit).zip
2025-12-10
WizTree-v4.27-x64-x86.exe
2025-12-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人