“Lies, damned lies, and statistics” 是一句广为人知的谚语，常被用来批判对统计数据的滥用或误导性使用。 出处与背景 起源争议：这句话的确切出处尚无定论，但普遍认为它源于19世纪的英国政坛。常被…
先前按照Scikit-Learn的文档整理了一份评估指标，回头看下梳理的非常的技术化，整理完有种自己都不太想看的感觉。今天抽时间再做一次重新的梳理。 分类任务评估指标 混淆矩阵（Confusion Matrix） 分类任务的基…
自2022年11月推出以来，ChatGPT 一直备受关注。其根据输入内容和上下文提供类似于人类的回应能力，给一些重视原创内容的领域带来了困扰，包括教育、内容营销、出版、新闻和法律等领域。他们最大的问题是“我们如何区…
ColumnTransformer 是 scikit-learn 中用于对数据的不同列应用不同预处理步骤的工具，特别适用于处理包含混合类型特征（如数值型、分类型、文本型）的数据集。 ColumnTransformer核心功能与使用场景 核心功能…
超参数调优是机器学习模型开发的核心步骤，直接影响模型性能。scikit-learn 提供多种工具帮助高效优化参数。 GridSearchCV Scikit-Learn 的 GridSearchCV 是一种通过穷举参数组合并交叉验证评估性能的超参数…
类别不平衡是分类任务中常见的问题，即某些类别的样本数量显著少于其他类别。除了前面介绍的imbalanced-learn库以外，还能使用class_weight参数进行处理。 class_weight与imbalanced-learn的对比 核心定义与…
CMMD简介 CMMD（Cross-Metric Multidimensional Diagnosis）是一种面向 复杂系统多源异构数据 的根因定位框架，其核心思想是通过 跨指标关联性分析 和 多维时空模式挖掘，在 无监督或半监督 场景下快速定位故障根…
imbalanced-learn（通常简称为 imblearn）是一个专门用于处理类别不平衡数据的 Python 库。它与 Scikit-learn 兼容，提供了多种方法来解决分类任务中类别样本数量差异过大的问题。 为什么需要 imbalanced-lear…
什么是大数据杀熟？ 大数据杀熟（Big Data Price Discrimination）是指企业利用用户的历史行为数据、消费习惯、设备信息、地理位置等个人隐私数据，通过算法分析对不同用户实施差异化定价的行为。其核心在于利用数…
RiskLoc简介 RiskLoc 是一种通过 量化多维风险权重 和 动态概率融合 实现故障根因定位的方法，其核心思想是将系统异常视为多个潜在因素（如硬件、软件、网络等）的加权风险组合，通过概率模型计算各因素成为根因的…
