估计阅读时长: 8 分钟https://github.com/rsharp-lang/R-sharp 对于0，1两类分类问题，一些分类器得到的结果往往不是0，1这样的标签。如神经网络得到诸如0.5，0.8这样的分类结果。这时，我们人为取一个阈值，比如0.4，那么小于0.4的归为0类，大于等于0.4的归为1类，可以得到一个分类结果。同样，这个阈值我们可以取0.1或0.2等等。 Order by Date Name Attachments ROC • 221 kB • 329 click 2021年6月28日Roccurves • […]
估计阅读时长: 23 分钟https://github.com/rsharp-lang/R-sharp 降维是将数据由高维约减到低维的过程而用来揭示数据的本质低维结构。它作为克服“维数灾难”的途径在这些相关领域中扮演着重要的角色。在过去的几十年里，有大量的降维方法被不断地提出并被深入研究，其中常用的包括传统的降维算法如PCA和MDS；流形学习算法如UMAP、t-SNE、ISOMAP、LE以及LTSA等。 Order by Date Name Attachments MNIST-LabelledVectorArray-60000x100 • 230 kB • 416 click 2021年6月27日MNIST-LabelledVectorArray-60000x100Euclidean_Distance • […]
估计阅读时长: 11 分钟https://github.com/SMRUCC/GCModeller 在R语言之中，存在着一个用于进行表达数据的时间序列分析的程序包：TCseq。TCseq的全称为Time course sequencing，即时间序列分析，通过对表达矩阵进行时间上的模糊CMeans聚类，得到表达变化趋势一致的基因列表，进行基因表达的时间趋势分析。 在GCModeller之中，我仿照着TCseq程序包，自己编写了一个时间序列的聚类与可视化分析的R#程序包模块，在这里介绍给大家。 Order by Date Name Attachments Gene expression pattern visualization • 2 […]
[…] 《为大语言模型运行添加工具调用》 […]
[…] 《从头创建一个DeepSeek客户端》 […]
[…] 在上面的工具调用消息数据结构中，我们可以清楚的看见有需要进行调用的工具名称，以及参数列表。当我们拿到这样子的调用信息后，就可以基于一定的规则找到需要执行的运行时中的函数来完成功能的实现。对于.NET平台上，我们一般是使用自定义属性加反射操作来解析相关的名称绑定结果。在.NET平台上对于这样子的一个根据调用信息来进行运行时解析和调用的方法，可以稍微参考《【Darwinism】Linux平台上的VisualBasic高性能并行计算应用的开发》的反射代码方法。 […]
[…] 在前面的文章《从头创建一个DeepSeek客户端》的请求消息的数据结构的基础上，我们在这里再增加一个工具信息的列表，在这个工具信息列表中，包括了工具的名称，工具的描述信息，以及工具的参数信息。对应的新增加的数据结构如下所示： […]
You have the gift of turning abstract thoughts into something tangible, allowing the reader to grasp concepts with clarity.