快乐冲浪与生活

多体验、多体会、多体悟

0%

发表于： 分类于：

本文为可视化系列第 01 篇，将介绍线图的基础概念、适用场景与数据集选取，并分别使用 Python Matplotlib 和 R ggplot2 两套工具，演示绘制同一幅线图。

线图

线图通过线段连接离散的数据点，用来呈现指标沿着连续变量（最常见为时间）的变化情况，能够直观反映数值的增减波动、变化快慢以及拐点与周期特征，多系列线图还可以同时对比多组数据的走势差异。

发表于： 分类于：

  • TabICL：主打大规模表格分类 + 回归，解决传统表格 ICL 样本上限瓶颈，两阶段嵌入，大数据集速度优势最强。
  • LimiX：通用结构化基础模型（LDM），一模型做多任务（分类、回归、缺失填充、生成、因果推理），轻量版本 CPU 可用，核心是行列双注意力联合分布建模。
  • Nori：回归专精，原生输出预测分布/不确定性，但分类能力弱，上下文样本上限低。

设计思路

TabICL

发表于： 分类于：

距离度量的重要性

pgvector 提供 6 种距离度量方式，选择合适的距离度量方式对于数据库的检索效果有着重大影响。

选错距离度量方式，不会报错，但会让"最相似"的结果排错位置 —— 而且很难察觉。举 3 个例子说明选择合适距离度量方式的重要性。

发表于： 分类于：

在大模型时代，应用须提供语义搜索或知识检索功能，如果后端数据库本身使用的就是 PG，则可以直接使用 pgvector 来实现，无需额外的数据库组件。

什么是 pgvector

pgvector 是 PostgreSQL 的一个开源扩展，它让 PG 能够原生存储、索引和检索高维向量（embedding）。 它把"向量相似度搜索"这一原本需要专门向量数据库的能力，直接下沉到了你熟悉的关系型数据库里。常用于语义搜索、RAG 检索、推荐系统等 AI 场景，让应用用一条 SQL 就能做"找最相似的 N 条数据"。

发表于： 分类于：

文本相似度

文本相似度，简单说就是量化两段文本的内容重合、语义相近程度，是 NLP 最基础、最高频的任务之一。

日常业务中随处可见：

  • 文章查重、内容去重
  • 问答系统：用户提问与历史问题匹配
  • 搜索推荐：相似内容召回
  • 评论舆情：重复言论过滤
  • 短文本匹配、指令对齐

文本相似度算法主要分两类：