人工智能项目本质上是一个统计学项目，是通过对样本的分析，来评估/估计总体的情况，与数学知识相关联高等数学——> 模型优化概率论与数理统计——> 建模思想线性代数——> 高性能计算朴素贝叶斯分类器：基于贝叶斯定理，使用概率来预测数据点的类别逻辑回归：虽然通常被视为线性分类器，但它本质上是一个概率模型，输出的是数据点属于某个类别的概率隐马尔可夫模型（HMMs）：使用概率来描述状态转换和观测序列所以，我

以往我们做数据处理时，大多数都是处理一维数组、二维表格、三通道图像这些常规类型的数据，这些数据最多是在行/列、宽/高维度上存在顺序，但在时间维度上面没有顺序时序信号是指包含时序数据（Time Series Data）的信号，时序数据是一种特殊的数据类型，它记录了按时间顺序排列的数据点，包括语音、心电图、金融市场等数据在处理时序数据时，需要考虑到数据点之间的时间顺序和依赖关系，时间顺序和依赖关系对于

RNN（Recurrent Neural Network，循环神经网络）是一种专门用于处理序列数据的神经网络架构，它与传统的前馈神经网络（Feedforward Neural Network）不同，主要区别在于它能够处理输入数据之间的时间依赖性，这使得它特别适合于处理时间序列数据、自然语言文本、语音信号等类型的数据。

字段名称字段类型字段说明CLIENTNUM整型客户编号，拥有帐户的客户的唯一标识符字符型目标，客户活动情况，如果帐户已关闭，则为1，否则为0整型客户的年龄，以年为单位Gender字符型性别，男性（M），女性（F）整型受抚养人的数量字符型教育资格（例如：高中（high school），大学毕业（college graduate）等）字符型婚姻状况，已婚（Married），单身（Single），离婚（

LLaMA-Factory 是一个开源的大型语言模型（LLM）微调框架，旨在帮助开发者和研究人员轻松地对预训练语言模型进行定制化训练和优化SFT（Supervised Fine-Tuning，即：指令微调）属于大模型三大训练阶段（预训练-->监督指令微调-->偏好优化）中的第二阶段，是指在预训练模型基础上，通过标注好的特定任务数据进行进一步训练的方法，其目的是让模型更好地适应特定任务或领域多机多卡

多模态大语言模型（Multimodal Large Language Model）是一种在传统大语言模型（LLM）基础上，融合了多种数据模态的先进人工智能模型，它的核心在于能够处理和理解多种类型的数据，并将这些数据转化为统一的语义表示，进而进行推理和生成模态文本（Text）：自然语言文本，如句子、段落等图像（Image）：静态图片，如照片、绘画等音频（Audio）：声音信号，如语音、音乐等视频（V

向量数据库是一种新型的数据库，专门用于存储和检索高维向量数据，它结合了传统数据库（如关系型、文档型）的特点，并针对向量数据的特性进行了优化，主要用于支持语义检索、推荐系统、机器学习等场景关系型数据库（如 MySQL）数据结构：以表格形式存储数据，每行是一个记录，每列是一个字段查询方式：基于字符串匹配或数值比较，如适用场景：适合结构化数据的存储和复杂查询文档型数据库（如 MongoDB）数据结构：以

论文网址：https://arxiv.org/pdf/1810.04805BERT（Bidirectional Encoder Representations from Transformers）是一种新的语言表示模型，旨在通过无监督的预训练方法学习深度双向语言表示，与以往的语言模型（如ELMo和OpenAI GPT）不同，BERT能够同时利用上下文的左右信息进行预训练预训练完成后，BERT可以通

在原始论文《Attention Is All You Need》中，Transformer的架构如下图所示。经过个人整理，对架构图的解读如下图所示（提示：下图为高清图，可放大查看细节内容）

KNN（K-NearestNeighbor，即：K最邻近算法）是一种基于实例的学习方法，用于分类和回归任务，它通过查找一个数据点的最近邻居来预测该数据点的标签或数值。所谓K最近邻，就是K个最近的邻居，即：每个样本都可以用它最接近的K个邻近值来代表在本文第四章节的KNN算法实践中，用的都是sklearn库中的标准模块和函数，为了理解其中的实现原理，以及学习如何自定义一个机器学习算法，本章节将以分类和