L

f可以是E/N，有时候用修正的f=(E+0.5)/N。猜测Quinlan使用是f=(E+0.5)/N，而且使用了如下两个值进行线性插值计算。之前看到Quinlan中关于C4.5决策树算法剪枝环节中，关于错误率e置信区间估计，为啥。当E=0时，U(0,1)=0.75，U(0,6)=0.206，U(0,9)=0.143？本文将给出本作者的一个大胆猜测。（2）对于E不为0的情况。

本项目旨在自动实现数据挖掘与分析全流程，为用户更快速、精准洞察数据价值。凡订阅如下专栏之一的读者：自然语言处理&大模型数据分析&大模型机器学习&大模型均可免费领取自动数据挖掘与分析实操完整代码。自动数据分析模块主要分为：1、数据接入2、数据探索3、数据处理4、数据切分5、数据模型（模型选择、数据建模、模型评估、模型调优、模型预测）。

本项目旨在自动实现数据挖掘与分析全流程，为用户更快速、精准洞察数据价值。凡订阅如下专栏之一的读者：自然语言处理&大模型数据分析&大模型机器学习&大模型均可免费领取自动数据挖掘与分析实操完整代码。自动数据分析模块主要分为：1、数据接入2、数据探索3、数据处理4、数据切分5、数据模型（模型选择、数据建模、模型评估、模型调优、模型预测）。

CRISP-DM（Cross-Industry Standard Process for Data Mining）是一种广泛使用的数据挖掘过程框架，由SPSS公司提出。SEMMA（Sample, Explore, Modify, Model, and Assess）是另一种数据挖掘方法论，由SAS公司提出。数据库知识发掘（Knowledge Discovery in Database，KDD）是从数据库中的大量数据中发现不明显、之前未知、可能有用的知识。（data mining）和。

ChatGLM-6B中英双语对话大模型Windows本地部署实战-CSDN博客LangChain是一个用于开发由大型语言模型（llm）支持的应用程序的框架。LangChain简化了LLM应用程序生命周期的每个阶段：（1）开发：使用LangChain的开源构建块组件和第三方集成来构建应用程序。使用LangGraph构建具有一流的流和人在循环支持的有状态代理。（2）产品化：使用LangSmith来检查、监控和评估您的链，以便您可以自信地持续优化和部署。

本文将使用LoRA微调方法对ChatGLM-6B大模型进行微调。

‌本文将基于ChatGLM-6B大模型、Bert预训练模型和RAG完整金融知识库信息抽取任务。

本文基于ChatGLM-6B大模型和Pompt提示工程搭建医疗领域知识问答机器人为例。

【代码】连接不上hugging face的解决方法。

ChatGLM是智谱清言大模型的开源版本，目前有ChartGLM、ChatGLM2、ChatGLM3和GLM-4版本。ChatGLM：GitHub - THUDM/ChatGLM-6B: ChatGLM-6B: An Open Bilingual Dialogue Language Model | 开源双语对话语言模型简介：中文领域效果最好的开源底座模型之一，针对中文问答和对话进行了优化。经过约 1T 标识符的中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术的加持。

上面公式没有体现批量操作，每个矩阵可以添加batch_size维度，例如Q的维度为(batch_size,n,d)。

【代码】使用PyTorch从0实现Fashion-MNIST数据集分类。

‌cuDNN（CUDA Deep Neural Network library）是一个由NVIDIA开发的深度学习GPU加速库，旨在为深度学习任务提供高效、标准化的原语（基本操作）来加速深度学习框架在NVIDIA GPU上的运算。此外，PyTorch还具有高度的灵活性和可扩展性，支持多种硬件平台，并且有一个活跃的社区，提供了大量的教程和资源，使得用户可以快速上手并解决实际问题。PyTorch的核心特点包括：‌12。可以看到NVIDIA GPU驱动版本为546.56，支持的CUDA最高版本为12.3。

【代码】使用keras搭建GRU神经网络创作莎士比亚小说。

本文将介绍keras-tuner提供了三种神经网络超参数调优方法。它们分别是随机搜索RandomSearch、HyperBand和贝叶斯优化BayesianOptimization。

TensorBoard是一款出色的交互式的模型可视化工具。安装TensorFlow时，会自动安装TensorBoard。

Qwen是阿里巴巴集团Qwen团队的大型语言模型和大型多模态模型系列。现在大型语言模型已经升级到Qwen2.5。语言模型和多模态模型都是在大规模多语言和多模态数据上进行预训练的，并在符合人类偏好的高质量数据上进行后训练。Qwen具有自然语言理解、文本生成、视觉理解、音频理解、工具使用、角色扮演、人工智能代理等功能。在Qwen2发布的过去三个月里，许多开发人员在Qwen2语言模型上构建了新的模型，向我们提供了宝贵的反馈。在此期间，我们专注于创建更智能、知识更丰富的语言模型。

商家有时会在特定日期，例如节礼日（Boxing-day），黑色星期五或是双十一（11月11日）开展大型促销活动或者发放优惠券以吸引消费者，然而很多被吸引来的买家都是一次性消费者，这些促销活动可能对销售业绩的增长并没有长远帮助，因此为解决这个问题，商家需要识别出哪类消费者可以转化为重复购买者。通过对这些潜在的忠诚客户进行定位，商家可以大大降低促销成本，提高投资回报率（Return on Investment, ROI）。众所周知的是，在线投放广告时精准定位客户是件比较难的事情，尤其是针对新消费者的定位。

交叉验证（Cross Validation）是验证模型性能的一种统计分析方法，其基本思想是在某种意义下将原始数据进行分组，一部分作为模型的训练数据集（训练集），另一部分作为模型的验证数据集（验证集）。首先用训练集对模型进行训练，再利用验证集来测试训练得到的模型，以此来作为评价模型的性能指标。常用的交叉验证方法有简单交叉验证、K折交叉验证、留一法交叉验证和留P法交叉验证。本文以一个模拟的线性回归模型为例来介绍各种交叉验证方法。

N-Gram 分词分词及词性标注的难点法则式分词法。