1、基本属性a、算法名称英文名：AdaBoost中文名：b、属于分类、回归或其它算法中的哪种类别属于分类算法c、属于有监督、无监督、半监督的哪种类别属于有监督d、对于数据分布是否有要求，如果有，要求是哪种分布？e、是否属于集成学习方法，如果是，基学习器是否可以并行运行属于集成学习方法；不可以并行运行，只可以串行运行f、适应于哪种类型的

1、参数模型对数据分布（distribution，density）有假设，而非参数模型对数据分布假设自由（distribution－free），但是对数据必须可以排序（rank，score）。所以，回顾二者的名字“参数”，即指数据分布的参数。

1、留出法（hold out）：将数据集 D 划分为训练集 S 和测试集 T2、留一法：留一法是留出法的特例，即每次测试集 T 只留一个数据，剩下的作为训练集 S备注：在分类任务中，在划分数据集时，训练集 S 和测试集 T 中的类别比例要跟数据集 D 中的类别比例相似。备注的疑问：那么在划分样本类别不均衡的样本时，是否仍要遵守这样的准则？？3、K折交叉验证（k-fold cross validat

1、卡方检验x2=∑ni=1(Ai−n∗pi)2n∗pix^{2} = \sum_{i=1}^{n}\frac{(A_{i} - n*p_{i})^{2}}{n*p_{i}}AiA_{i}：代表某个类别的观察频数npinp_{i}：是基于 H0H_{0} 计算的期望频数H0H_{0}：观察频数与期望频数没有差别

1、聚类试图将数据集中的数据划分为若干个通常是不相交的子集，每个子集称为一个“簇”(cluster)2、聚类过程仅能自动形成簇结构，簇所对应的概念语义需由使用者来把握和命名思考：簇所对应的概念固然是可以任意命名的，但我们一般的规律仍然是通过样本的属性来命名的，这就意味着，有可能根据样本特征给不同的簇命名3、聚类既能作为一个单独的过程，用于找寻数据内在的分布结构，也可作为分类等其他学习任

1、SQL点滴25—T-SQL面试语句，练练手

LLaMA 是一种用于自然语言处理的深度学习模型，它的全称是anguagedaptiveulti-task它的主要特点是能够根据不同的任务自适应地调整模型结构和参数，从而提高模型的泛化能力和效率。

1、留出法（hold out）：将数据集 D 划分为训练集 S 和测试集 T2、留一法：留一法是留出法的特例，即每次测试集 T 只留一个数据，剩下的作为训练集 S备注：在分类任务中，在划分数据集时，训练集 S 和测试集 T 中的类别比例要跟数据集 D 中的类别比例相似。备注的疑问：那么在划分样本类别不均衡的样本时，是否仍要遵守这样的准则？？3、K折交叉验证（k-fold cross validat

旋转位置编码(RoPE)是从Sinusoidal(正弦曲线)位置编码改进而来的，有助于理解RoPE

代码：#! /usr/bin/env python# coding: utf-8from math import logimport operatordef calcShannonEnt(dataSet):numEntries = len(dataSet)labelCounts = {}for featVec in dataSet:currentLabel = f