leetcode刷题-hot100题单：day01

leetcode hot100 简单难度 day02-刷题

目标检测算法：anchor_free系列解读

pytroch实战12：基于pytorch的网络结构可视化

pytorch实战7，基于pytorch实现VGG16完整的实现过程并进行分析和思考

pytorch实战6：手把手教你基于pytorch实现AlexNet（长文）。有数据，有训练过程

pytorch实战5：基于pytorch复现ResNet

python爬虫8：bs4库

pyautogui简单开发

本文分享了提升机器学习回归任务预测精度的方法，聚焦于数据层面的优化。作者指出，在小数据集（100-1000条）预测任务中，仅调整模型参数往往难以提升效果，关键在于数据信息量的扩充。核心方法包括：1）增加具有物理意义的复合特征；2）剔除噪声特征；3）对目标变量进行对数化等变换；4）数据聚类；5）明确数据局限性；6）清理异常值。其中，作者特别强调新增特征是最有效的手段，建议结合领域知识和AI建议构建派