Ben-air


  • 首页

  • 分类

  • 归档

  • 标签

  • 关于

  • 搜索

Boosting:AdaBoost

发表于 2024-08-20 | 更新于 2026-08-28 | 分类于 机器学习 , 集成学习
自适应提升(AdaBoost):加重错分样本、顺序训练弱学习器再加权合成;适用边界与最小示例。
阅读全文 »

Boosting:XGBoost

发表于 2024-08-20 | 更新于 2026-08-28 | 分类于 机器学习 , 集成学习
XGBoost:在 GBDT 上加入正则与二阶近似,工程优化与适用边界;最小可运行示例。
阅读全文 »

Linux-端口管理-iptables

发表于 2024-08-16 | 更新于 2026-08-28 | 分类于 工程实践 , Linux
iptables
阅读全文 »

构建本地知识库实践

发表于 2024-08-16 | 更新于 2026-08-28 | 分类于 大模型 , 本地部署
referenceDify
阅读全文 »

Software-MSI-软件测评

发表于 2024-08-16 | 更新于 2026-08-28 | 分类于 生物信息
微卫星不稳定性 (MSI) 是多种癌症类型中常见的一种现象,其特征是在整个基因组中发现的微卫星区域中插入和缺失(indels)的积累,具有高微卫星不稳定性 (MSI-H) 的癌症可能是免疫检查点抑制剂治疗的良好候选者。所以MSI自1993年首次在结直肠癌中被提出后,不断发展。目前作为帮助指导免疫检查 ...
阅读全文 »

Standard-ACGS_Best_Practice_Guidelines_for_Variant_Classification_in_Rare_Disease_2024

发表于 2024-08-15 | 更新于 2026-08-28 | 分类于 生物信息 , NGS
20152015年,ACMG & AMP 联合发表了standards and guidelines for the interpretation of sequence variants (Richards et al Genetics in Medicine 2015) 具体参考我们之前 ...
阅读全文 »

大模型-检索增强生成(RAG)

发表于 2024-08-14 | 更新于 2026-08-28 | 分类于 大模型 , RAG
检索增强生成(RAG)是指对大型语言模型输出进行优化,使其能够在生成响应之前引用训练数据来源之外的权威知识库。大型语言模型(LLM)用海量数据进行训练,使用数十亿个参数为回答问题、翻译语言和完成句子等任务生成原始输出。在 LLM 本就强大的功能基础上,RAG 将其扩展为能访问特定领域或组织的内部知识 ...
阅读全文 »

大模型-检索增强生成(RAG)

发表于 2024-08-14 | 更新于 2026-08-28 | 分类于 大模型 , 算法要点
Paper: 2025.7.25 A Systematic Review of Key Retrieval-Augmented Generation (RAG) Systems: Progress, Gaps, and Future Directions 2024.12.31 Retriev ...
阅读全文 »

大模型-编程基础 常见依赖库几功能

发表于 2024-08-13 | 更新于 2026-08-28 | 分类于 大模型 , 算法要点
知名仓库平滑量化量化技术Quantization原理学习 常用依赖包123456789pip install torchpip torchdata # 帮助 torch 加载数据库pip install transformers # 用于微调的依赖包pip install loralibpip i ...
阅读全文 »

大模型-数学基础

发表于 2024-08-13 | 更新于 2026-08-28 | 分类于 大模型 , 算法要点
阅读全文 »
‹1…686970…104›

1034 日志
49 分类
917 标签
© 2026 Ben-air
已有人访问 | 总访问次