Data Science Tutorials

本文介绍如何以及何时使用 scikit-learn 进行随机森林分类，重点讲解概念、工作流与示例。我们还将介绍如何使用混淆矩阵与特征重要性。

剖析随机游走背后的数学原理，探索其多种形式，从一维路径到偏置与高斯模型。使用 Python 了解这些随机过程如何启发生物、物理与金融中的现实现象。

学习如何使用 RANK()、RANK.EQ() 和 RANK.AVG() 在 Excel 中为数据排名。了解它们的差异、应用场景，以及实现准确数据分析的技巧。

RankGPT 是一种方法，使用 ChatGPT 等 LLM 对 RAG 系统检索到的文档进行重排序，通过优先呈现最相关的信息来提升输出质量。

学习如何使用 R 的 c() 函数高效地将值合并为向量。

学习如何使用 readr、readxl、haven、data.table 等常用包，将 CSV、Excel、JSON、SQL 数据库、XML 等数据导入 R。

本教程将带您读取 PDF 文档，并将多个 PDF 合并为一个文件。同时还将展示如何在 Python 中读取与编写 Word 文档。

本文介绍使用 Python、NumPy 以及 Python 内置方法将文本文件导入到 Python 的不同方式，并讲解如何将其转换为列表。

学习如何使用 OpenAI 的 Realtime API 构建实时 AI 应用。本教程涵盖 WebSocket、Node.js 设置、文本/音频消息、函数调用，以及部署 React 语音助手演示。

通过示例学习 Python 中的递归、关键概念与实用技巧。理解基例、递归函数，以及何时选择递归而非迭代。

Learn how to implement recursive retrieval in RAG systems using LlamaIndex to improve the accuracy and relevance of retrieved information, especially for large document collections.

Reflection Llama-3.1 70B 采用 Reflection-Tuning 训练，声称超越 GPT-4o 与 Claude 3.5 Sonnet，但目前在可复现与验证方面仍存问题。