AI

大多数开发者认为构建 AI 系统的核心在于选择模型，但真正的挑战在于理解何时让 AI 获取知识（RAG），何时让 AI 执行操作（MCP）。本文深入剖析两者的区别、互补性以及混合架构的未来。

为什么我的第一份数据科学工作与我预期的不一样

将经过One-Hot 编码转换的分类特征的 SHAP 值相加

如何利用有限的计算资源来处理大型数据集

超越 Python 包，创建 SHAP 值的定制可视化

本文中有多篇计划文章，后期会补充相关链接。鉴于公众号内无法后期修改文章，请关注原文链接。 > > 如何创建和解释 SHAP 图：瀑布图、力图、平均 SHAP 图、蜂群图和依赖图

为什么选择模型特征时预测能力并不是最重要的

使用部分依赖图 (PDP)、互信息和特征重要性分析非线性关系

拥有权利的同时也被赋予了重大的责任

使用机器学习来预测你是否擅长编码