HelloWonder

Datawhale教程打卡, rag-agent 做工业化难度还是挺大的, 有大量的bad case, 要处理, 要解决;

构建多层模型，并利用预测结果再拟合预测。 回归：多分类不适用——直接放弃. 投票制：没有成功跑分成功，lgb无法再五折交叉验证后仍可以输出模型用于投票，待提问。

通过组合多个学习器来完成学习任务，通过集成方法，可以将多个弱学习器组合成一个强分类器，因此集成学习的泛化能力一般比单一分类器要好。 集成方法主要包括Bagging和Boosting，Bagging和Boosting都是将已有的分类或回归算法通过一定方式组合起来，形成一个更加强大…

可以看到，每个样本的心电特征都由205个时间步的心电信号组成。 1. 使用tsfresh特征抽取 **Tsfresh（TimeSeries Fresh）**是一个Python第三方工具包。 它可以自动计算大量的时间序列数据的特征。此外，该包还包含了特征重要性评估、特征选择的方法…

Spark的核心是RDD，即是弹性分布式数据集，是一种分布式的内存系统数据集的应用；Spark的主要优势来自RDD本身的特性，RDD能与其他系统兼容，可以导入外部存储系统的数据集，例如HDFS、HBase、Hadoop数据源。 RDD具备血缘机制，它会记录每个RDD与其父代RD…

本期数据为非机构化数据，主要使用（训练集的）用户的历史浏览记录作为训练数据，使用（训练集的）用户历史的最后一次浏览记录作为标签列；得到模型，输入测试集的全部用户的历史浏览记录，预测下一次的点击文章。 文章的自身特征， category_id表示这文章的类型， created_a…

00. 环境安装的踩坑 01. 多路召回的思想简介 简介：多策略，使用不同的策略、特征或者简单模型，分别召回一部分的候选集，然后把不同的候选集混合在一起进行排序的结果. 02. 数据读取和准备 03. 工具函数的准备 (dict的准备等) 05. 计算相似性矩阵 Faiss工具…

-1. 由分别的Profiling Report可以得出：训练集的用户ID由0 ~ 199999，而测试集A的用户ID由200000 ~ 249999。 从点击环境click_environment来看，仅有2499 次（占0.2%）点击环境为1；仅有38948次（占2.4%）…

提交的格式是针对每个用户， 我们都会给出五篇文章的推荐结果，按照点击概率从前往后排序。 而真实的每个用户最后一次点击的文章只会有一篇的真实答案， 所以我们就看我们推荐的这五篇里面是否有命中真实答案的。比如对于user1来说， 我们的提交会是： 把该预测问题转成一个监督学习的问题…