第十三届（2022）蓝桥杯省赛python组部分真题

第十四届（2023）蓝桥杯省赛python组部分真题

因此，取对数似然的负值并求平均，就得到了逻辑回归的损失函数：交叉熵损失（Cross-Entropy Loss），实现了将对数似然最大化转换为最小化的问题。虽然预测函数 h_θ(x)是非线性的（因为Sigmoid是非线性的），但决策边界本身在特征空间中是线性的。逻辑回归是一种用于分类问题的统计方法，特别是二分类问题。（任意实数）转换为概率值（0到1之间），实现从回归到分类的转换。，使得在这组参数下，

决定系数（Coefficient of Determination），记作R²，是用于评估回归模型拟合优度的重要指标。线性回归是一种用于预测连续数值的监督学习算法，它通过找到特征与目标值之间的线性关系来进行预测。简单来说，就是用一条直线（或平面/超平面）来拟合数据点，使得预测值与实际值之间的差距最小。最大似然估计思想：找到最有可能产生观测数据的参数值。：模型预测值与真实值之间的差异平方和。：真实值

单一模型（弱学习器）的能力可能有限且不稳定。集成学习通过构建并结合多个学习器来完成学习任务，通常能获得比单一学习器显著优越的泛化性能。Bagging并行训练多个同质且相互独立的弱学习器，通过投票（分类）或平均（回归）聚合结果。核心目标是降低模型方差，对不稳定的基学习器（如决策树）效果提升尤为明显。Boosting串行训练多个同质的弱学习器，每个新学习器都根据前序模型的错误进行调整，赋予错误样本更高

简单说，它就是本地大模型的管理员。它能帮你一键下载、安装、运行各种开源大模型（比如 Llama、Qwen 等），不用你折腾复杂的代码环境。你可以把它理解为租用算力。你不用买显卡，也不用维护服务器，按调用次数给大厂付钱就行。Ollama是本地跑模型的最好用的工具，适合新手。API Key是调用云端算力的钥匙，注意保密。你可以在同一个界面里，随时切换本地模型和云端模型，哪个好用用哪个！

单一模型（弱学习器）的能力可能有限且不稳定。集成学习通过构建并结合多个学习器来完成学习任务，通常能获得比单一学习器显著优越的泛化性能。Bagging并行训练多个同质且相互独立的弱学习器，通过投票（分类）或平均（回归）聚合结果。核心目标是降低模型方差，对不稳定的基学习器（如决策树）效果提升尤为明显。Boosting串行训练多个同质的弱学习器，每个新学习器都根据前序模型的错误进行调整，赋予错误样本更高

既然大模型不够用，那就给它装上“手脚”和“工具”，这就是AI Agent（AI智能体）。你可以把它理解为一个“能真正干活的AI管家对比项传统大模型 (LLM)AI Agent定位被动响应（你问它答）主动执行（给它目标，它自己想办法）信息源只有旧知识实时联网 + 私有数据能力只能聊天能调用工具（查API、读文档、写代码）任务单次问答多步规划（拆解复杂任务）场景咨询、闲聊实际业务（自动办公、智能客服）

简单说，它就是本地大模型的管理员。它能帮你一键下载、安装、运行各种开源大模型（比如 Llama、Qwen 等），不用你折腾复杂的代码环境。你可以把它理解为租用算力。你不用买显卡，也不用维护服务器，按调用次数给大厂付钱就行。Ollama是本地跑模型的最好用的工具，适合新手。API Key是调用云端算力的钥匙，注意保密。你可以在同一个界面里，随时切换本地模型和云端模型，哪个好用用哪个！

简单说，它就是本地大模型的管理员。它能帮你一键下载、安装、运行各种开源大模型（比如 Llama、Qwen 等），不用你折腾复杂的代码环境。你可以把它理解为租用算力。你不用买显卡，也不用维护服务器，按调用次数给大厂付钱就行。Ollama是本地跑模型的最好用的工具，适合新手。API Key是调用云端算力的钥匙，注意保密。你可以在同一个界面里，随时切换本地模型和云端模型，哪个好用用哪个！