scikit-learn数据预处理模块 引言 sklearn.preprocessing 提供将原始特征向量转换为更适合下游估计器的表示的常用工具与 Transformer 类。许多算法（尤其线性模型、基于距离的模型）对特征尺度、分布形态敏感；类别特征需先编码；连续特征有时需分箱或非线性变换以增强表达力。下文按官方用户指南 7.3 Preprocessing data 的结构做归纳，...

机器学习中类别变量的编码方法总结 引言 在做结构化数据训练时，类别特征是非常常见的变量类型。多数模型与数值优化过程依赖数值输入，因此需要把类别转换为可计算的表示。常见路线包括标签编码、独热编码、目标编码以及树模型内置的类别处理等；各种方式在是否引入错误顺序假设、维度、对高基数特征的表达能力和是否易泄露标签上权衡不同。下文对常见做法做简要归纳。 1. 硬编码：Label Enco...

win环境openclaw集成Obsidian搭建知识库 本文简要说明在 Windows 下用 OpenClaw 集成 Obsidian 搭建本地知识库的做法：大模型使用 小米 MiMo，消息渠道接入 飞书，Obsidian 侧通过 Skill 等能力参与整理与写入。 OpenClaw 版本与 CLI 可能随发布变化，请以官网与 openclaw --help 为准。 一、整...

win环境OpenClaw配置和使用 本文按 安装 → 配置 → 使用 的顺序整理 OpenClaw 在本地的常用操作，并收录 飞书联调要点 与 常见问题。关键处附有官方文档链接，便于对照与排障。OpenClaw 版本与 CLI 行为可能随发布变化，请以当时官网与 openclaw --help 为准。 一、安装与升级 1.1 通过 npm 安装 npm i -g opencla...

本文基于Kaggle Playground Series S6E2 - Heart Disease Prediction 心脏病预测项目，整理和记录AUC、特征工程与模型融合入门等细节。 一、指标：AUC 在优化什么 通俗理解：AUC 衡量的是：随机抽一个正样本和一个负样本，模型把正样本打分排在负样本前面的概率。排序越对，AUC 越高。 第一性原理：AUC 只关心相对排序，不关心概...

ES存储检索与预览PDF等文本文档方案 一、方案概述 面向 Word、PDF 等文档的上传、全文检索和预览需求，采用 Elasticsearch + 对象存储（MinIO） 文件双写的架构： Elasticsearch：索引提取后的文本，做全文检索；文档中存储 file_url，与源文件关联 MinIO（或 S3/OSS）：存储原始文件，提供下载和预览 URL 文本进入 ...

分类模型效果评估 本文集中梳理二分类/多分类任务中的常用评估指标（Accuracy、Precision、Recall、F1、ROC/AUC）、各指标的适用场景与局限，以及 K 折交叉验证的使用；帮助快速选对指标、避免被虚高准确率误导。 目录 1. Accuracy：易虚高，参考价值有限 2. Precision / Recall / F1：依赖阈值 3. F ...

HDBSCAN算法简介 HDBSCAN（Hierarchical Density-Based Spatial Clustering of Applications with Noise）是 DBSCAN 的层次化改进，能自动处理不同密度的聚类，无需像 DBSCAN 那样为不同密度区域反复调 eps。本文介绍其原理、与 DBSCAN 的区别、主要超参数及调优经验。 目录 ...

回归预测评估指标与XGBoost应用 本文围绕「连续值预测」场景（如日客流、销量、气温、股价等），通俗介绍 R²、MAPE 等回归评估指标，XGBoost 在回归与分类中的区别。 目录 1. 回归任务的两个常用指标：R² 与 MAPE 2. XGBoost 做回归还是分类？ 3. SHAP 与 R² 的区别：解释 vs 评估 4. R² 与 F1：回归 v...

Kolla-Ansible 部署 OpenStack 本文档基于 Kolla-Ansible 使用 Docker 容器方式部署 OpenStack，适用于 Ubuntu 或 CentOS，适合测试与小规模部署。 0. 架构与组件简介 Kolla-Ansible 将各 OpenStack 服务打包为 Docker 镜像，通过 Ansible 编排部署。所有服务以容器形式运行，与宿主机...