YBAdvanceFu-CSDN博客

原创 Deepseek 使用指南 ---- 普通人如何正确使用大语言模型?

本文介绍了如何高效使用Deepseek大语言模型。主要内容包括：认识Deepseek作为智能助手的功能优势；掌握STAR提问法则提升沟通效率；解锁文件解析、联网搜索等进阶功能；探索教育、电商等行业应用场景；了解内容变现途径；构建智能工作流提升效率；以及常见问题解决方案。文章强调系统学习和实践应用，建议从日常问题入手逐步拓展专业领域，充分发挥AI助手的价值。

2025-07-21 00:44:21 672

原创机器学习之决策树模型篇 ---- 某流行手游胜负预测

决策树模型在MOBA类手游胜负预测任务中表现优异，准确率达72.57%。该模型通过计算熵或基尼系数选择最优分裂特征，模拟人类决策过程，特别适合处理游戏数据中的非线性关系和离散特征。实验表明max_depth=3时效果最佳，过深易导致过拟合。优化建议包括采用向量化计算、信息增益率和动态参数调整。决策树的高解释性和高效推理能力使其成为电竞预测的理想选择，未来可升级为随机森林或XGBoost进一步提升性能。该模型不仅能提供可靠预测，还能揭示经济差等关键制胜因素。

2025-07-18 00:48:57 1258

原创计量经济学（因果关系探究-空间双重差分模型: 破解空间溢出效应的因果分析工具)

本文介绍了传统双重差分（DID）模型及其局限性，重点阐述了空间DID模型的必要性。传统DID通过组间差分分离干预效应，但无法处理空间溢出效应。空间DID模型引入空间计量方法，包括三种类型：空间自回归模型（SDID-SAR）捕捉因变量溢出，空间误差模型（SDID-SEM）处理残差相关性，空间杜宾模型（SDID-SDM）同时考虑因变量和自变量的空间滞后。模型选择需结合空间相关性检验，适用于环境政策、房地产限购等存在空间交互效应的研究场景。

2025-07-16 00:25:35 505

原创机器学习（数据挖掘方向）----Datawhale篇

摘要：本文分享了Datawhale AI夏令营数据挖掘方向助教经历的核心感悟。助教工作聚焦技术引导与实战赋能，通过拆解复杂模型（如集成学习）、解决特征工程问题（如PCA降维）帮助学员跨越理论到实践的鸿沟。针对学员常见问题（如过拟合），通过正则化示例（如L2正则化）和类比解释（过拟合如死记硬背，欠拟合如仅背公式）进行指导。此外，优化LightGBM参数（如max_depth、learning_rate）以提升模型性能，并分析其对F1值的影响。最终，通过模块化经验沉淀推动技术民主化，实现知识传递与技术赋能的结

2025-07-15 22:27:22 1109