Hermes Agent 多 QQ Bot 配置教程

Hermes Agent 多 QQ Bot 配置教程 本文档记录如何配置 Hermes Agent 同时运行两个 QQ Bot,分别用于不同用途。 架构概述 ┌─────────────────────────────────────────────────────────────┐ │ Hermes Agent 多 Gateway │ ├─────────────────────────────────────────────────────────────┤ │ ...

机器学习算法核心教程与Python实践

算法选择快速参考 在深入了解每个算法的细节之前,您可以根据您的任务类型和应用场景,使用下表进行快速参考: 任务类型 算法 典型应用场景 分类 (Classification) 逻辑回归 (Logistic Regression) 二分类问题、广告点击率预测、信用评分 K-近邻 (KNN) 图像识别、推荐系统(基于用户的相似性) 支持向量机 (SVM) 高维数据分类、文本分类、人脸识别 决策树 (Decision Tree) 规则清晰的分类问题、客户流失预测 随机森林 (Random Forest) 高精度分类、特征重要性评估、疾病预测 梯度提升系列 ...

2012 – 2024年各国轨道发射数据图

马斯克转发的 轨道发射数据图!统计了2012 - 2024年各国轨道发射数据,直观展现航天实力变迁👇 美国(含SpaceX)发射量一路飙升,总次数628次,送58名宇航员;中国紧追不舍,468次发射+32名航天员,展现强劲航天力🚀 美国(不含SpaceX)201次发射,仅送2名宇航员,对比超明显~ 换言之,要是没有马斯克和他的spaceX,中国航天实际上早就碾压美国了。 数据能看出,SpaceX带动美国发射频次爆发,中国航天也稳步崛起,在探索太空路上疯狂“上分”!每次发射都是人类向宇宙迈的步,这些数字背后,是无数航天人的心血~

【美团】可信实验白皮书系列03:随机对照实验

可信实验白皮书系列03:随机对照实验 2025年06月05日 作者: 履约数据&外卖数据 文章链接 18881字 38分钟阅读 本文系《可信实验白皮书》系列的第三篇文章,第一篇文章我们介绍了为什么要写AB实验白皮书,第二篇文章讲解了AB实验的理论原理及其背后的统计学基础。本篇我们将重点介绍随机对照实验相关的一些基础知识,以及提高实验功效的一些常见方法。 备注 :本篇排版为图文混合排版,如果想获得更好的阅读体验,建议访问「美团技术团队」知乎官方账号《可信实验白皮书系列03:随机对照实验》。 在美团到家业务场景中,经常会碰到随机分流的实验场景,比如全城AOI(Area of Inte...

【美团】可信实验白皮书系列02:AB实验基础

可信实验白皮书系列02:AB实验基础 2025年05月23日 作者: 履约数据&外卖数据 文章链接 2807字 6分钟阅读 2.1 实验基础原理概述 AB实验原理源于统计学中经典的Rubin潜在结果模型(也称反事实因果推断框架)。考虑最简单的情况,当我们想要比较两个策略的差异以获得更优策略时。如图2-1所示,最理想的方案是面向同一拨用户或者全部用户,假设存在两个完全相同的平行时空,平行时空一中所有用户体验实验策略B,类似的平行时空二中所有用户体验对照策略A,那么直接对比2个平行空间用户行为指标表现,则可决定哪个策略胜出以及观测真实的平均实验效应。 然而,现实世界中不存在两个平行时...

两种学科的故事:对统计学与大数据相互作用的详尽分析

引言 21世纪的黎明以数据的洪流为标志,将“大数据”一词推入了商业、技术和科学领域的词典核心。这个看似源于硅谷和软件的新范式,常常被认为是在挑战甚至取代拥有数百年历史、以严谨著称的统计学。 本报告旨在论证,这种观点是一种简单化的误读。统计学与大数据并非竞争对手,而是两个截然不同但又紧密相连的智力与技术潮流。统计学为推断和方法论的严谨性提供了理论基石,而大数据则以前所未有的规模提供了原始材料和计算能力。它们之间复杂的相互作用——一种分歧、张力与最终融合的动态过程——共同铸就了现代的、跨学科的数据科学领域。 本报告将首先追溯这两个学科各自独立的历史谱系,然后剖析它们在核心哲学和方法论上的差异,从数...

AI驱动的数据抓取新时代:从BeautifulSoup到智能爬虫工具

在数据驱动的AI时代,获取高质量的网络数据变得越来越重要。传统的网页抓取方法正在被新一代智能工具所取代,这些工具不仅简化了数据获取过程,还提高了数据质量。本文将带你了解从传统方法到最新AI驱动工具的演变,帮助你选择最适合自己项目的数据抓取解决方案。 传统爬虫的局限性 网络数据抓取一直是AI和数据分析项目的基础环节。长期以来,BeautifulSoup作为Python生态系统中的标准工具,帮助开发者从HTML文档中提取信息。然而,使用BeautifulSoup面临几个明显的挑战: 需要编写复杂的规则和正则表达式 对不同网站结构需要定制化处理 处理动态加载内容困难 对非结构化数据提取效果有限 ...

数据库设计范式实例讲解

数据库设计范式实例讲解 原始数据表(违反1NF) 表名:StudentCourses 学生ID 学生姓名 选课信息(课程ID+课程) 成绩 学院 教师 S001 张三 C101-数据库, C102-算法 85 人工智能学院 曾老师 S001 张三 C101-数据库, C102-算法 90 人工智能学院 曾老师 S002 李四 C101-数据库 78 人工智能学院 曾老师 问题: 选课信息 字段包含多个课程ID和课程名称的组合值(非原子性),违反 1NF。 同一学生的多门课程重复存储冗余信息(如学生姓名、学院、教师)。 第一范式(1NF):拆分非原子字段为多行 ...

何同学的“流量密码”:从219个封面测试看视频点击率的优化之道

何同学的“流量密码”:从219个封面测试看视频点击率的优化之道 在短视频与自媒体高度竞争的时代,如何让作品在海量内容中脱颖而出?知名数码博主何同学通过一项针对219个视频封面的系统性测试,揭示了封面设计对点击率的深层影响,并结合自身创作经验总结出一套“流量密码”。本文将从测试方法、核心结论、数据分析原理、封面与内容的辩证关系以及创作者启示五大维度展开分析,为内容创作提供科学参考。 8.79 复制打开抖音,看看【老师好我叫何同学的作品】何同学工作室的绝密数据 我们测试了219个封面的点... https://v.douyin.com/iPXHj9Eq/ U@l.pD 05/05 dAg:/ ...

50个最佳机器学习公共数据集

外国自媒体mlmemoirs根据github、福布斯、CMU官网等信息,整理了一张50个最佳机器学习公共数据集的榜单,为大家分享一下~ 外国自媒体mlmemoirs根据github、福布斯、CMU官网等信息,整理了一张50个最佳机器学习公共数据集的榜单,为大家分享一下~ 提前说下须知: 一、寻找数据集的意义 根据CMU的说法,寻找一个好用的数据集需要注意一下几点: 数据集不混乱,否则要花费大量时间来清理数据。 数据集不应包含太多行或列,否则会难以使用。 数据越干净越好,清理大型数据集可能非常耗时。 应该预设一个有趣的问题,而这个问题又可以用数据来回答。 二、去哪里找数据集 Kaggle:爱竞...

用户调研之标准化可用性问卷

用户调研之标准化可用性问卷 来源:https://www.biaodianfu.com/summary-of-examined-usability-surveys.html 最近收到了对两个平台进行对比调研的需求,原以为做下简单的问卷设计就可以了,找了一些资料发现中间的门道还是非常的深,想要很好的掌握实属不易。可用性测试的问卷有很多中,如下图: 什么是标准化的问卷 问卷是一种用于获取被测者信息的表格,问卷的题目可以是开放式的问题,但更典型的是选择题或打分题。标准化问卷是被设计为可重复使用的问卷,通常有一组特定的问题使用特定的格式按照特定的顺序呈现,基于用户答案产生的度量值具有一定的规则(...

2023年5个自动化EDA库推荐

2023年5个自动化EDA库推荐 来源:deephub EDA或探索性数据分析是一项耗时的工作,但是由于EDA是不可避免的,所以Python出现了很多自动化库来减少执行分析所需的时间。EDA的主要目标不是制作花哨的图形或创建彩色的图形,而是获得对数据集的理解,并获得对变量之间的分布和相关性的初步见解。我们在以前也介绍过EDA自动化的库,但是现在已经过了1年的时间了,我们看看现在有什么新的变化。 为了测试这些库的功能,本文使用了两个不同的数据集,只是为了更好地理解这些库如何处理不同类型的数据。 YData-Profiling 以前被称为Pandas Profiling,在今年改了名字。如果...

数据探索工具Dataprep.eda

数据探索工具Dataprep.eda 来源: https://www.biaodianfu.com Pandas-profiling(2016)被称为EDA(Exploratory Data Analysis)分析的典型工具,然而Pandas-profiling的一个主要缺点是它提供的是数据集的侧写,而EDA是一个迭代的过程,分析过程中会对对数据不断进行质疑、理解、处理、转换等。 Pandas-profiling严格的分析框架与当前EDA的最佳实践背道而驰。 Dataprep.eda(2020)是一个 Python 库,它支持迭代和以任务为中心的分析,就像 EDA 注定要做的那样。dat...

Pandas基础教程之替换SQL

Pandas基础教程之替换SQL 来源: https://www.biaodianfu.com 对于很多数据分析的同学来说,最熟悉的莫过于SQL,针对数据处理问题,脑海里的第一反应也往往都是SQL,而在日常的工作中往往也需要在Pandas的DataFrame数据上处理和分析数据,今天就一起来学习Pandas。 使用Pandas代替SQL 选择列 ## select COL1, COL2 from TABLE; # df.loc[:, ["COL1", "COL2"]] pandas中loc与iloc区别 在Pandas中,iloc和loc是两种...

统计学基础之摘要统计

统计学基础之摘要统计 来源: https://www.biaodianfu.com 什么是摘要统计? 摘要统计是一种用来描述、概括和呈现数据集特征的统计学工具。它们通常用于数据分析的初步阶段,可以帮助研究者理解数据的基本趋势和模式,但不用于从样本推断总体的结论。摘要统计主要包括两类指标:集中趋势的度量和离散程度的度量。 集中趋势的度量: 平均值(Mean):数据集合中所有数值的总和除以数值的数量。 中位数(Median):将数据集合按数值大小排列后处于中间位置的数值。 众数(Mode):在数据集合中出现次数最多的数值。 离散程度的度量: 极差(Range):数据集中最大值与最小值的...