软件开发原则SOLID
SOLID原则是一组面向对象编程中的设计原则，旨在提高软件设计的可维护性、灵活性和扩展性。这些原则由罗伯特·C·马丁（Robert C. Martin）提出，是软件开发中广泛认可的最佳实践。SOLID是五个原则的首字母缩写，每个原则分别解决…
术→技巧
Scikit-Learn 中的评估指标
[LATEXPAGE] 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…
不可见Unicode字符标记AI生成内容
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“我们如何区分 AI 和人类创作的内容…
Scikit-Learn系统化学习之列变换
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…
Scikit-Learn超参数调优工具
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…
Scikit-Learn 处理类别不平衡问题
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 …
跨指标多维根因分析框架CMMD
[LATEXPAGE] 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 …
处理类别不平衡的Python库imbalanced-learn
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 imbala…
规避大数据杀熟的定价实验方法研究
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。其核心在于利用数据优势对用户…
基于加权风险的多维根因定位方法RiskLoc
[LATEXPAGE] 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…
