AI

缺失值处理

可以考虑把缺失值填入众数或平均数。如果可以找出简单的聚类标准，也可以用聚类平均数取代，例如同一个区域的房价。

去掉无用属性

有些属性没什么意义，去掉可以减少干扰，降低运算量。

可以画一个关联性分析的热点图，看看有没有属性关联度过高（越接近1），可以去掉冗余。

sns.heatmap(train.astype(float).corr(),linewidths=0.1,vmax=1.0, 
            square=True, cmap=colormap, linecolor='white', annot=True)

提取新属性

有时候，有些原始属性提取是非值，或者做某种数学运算，可以得出一个符合逻辑、更好学习的新属性。

对于一些数值，如果划分成区间，训练复杂度会降低许多。等分是比较粗糙的做法，可以人工分析数据特点，做不等分。例如按儿童、青年、中年、老年来划分年龄，按有等级特征的区间来划分费用。

使用指南：https://docs.openclaw.ai/zh-CN/start/wizard

在调试阶段，可以先在终端里自己运行gateway，查看日志输出：

openclaw gateway stop

# 配置登录千问
openclaw configure --section model

openclaw gateway

Web控制台：http://127.0.0.1:18789/

飞书控制台：https://open.feishu.cn/

使用千问（https://chat.qwen.ai/）模型，似乎是隔一段时间都要在Web登录的，每天似乎是限128K token，不太确定。

https://colab.google/

fastai提供了一个库，可以加载上百个图像模型，我们可以对某个数据集，调用这些模型做尝试，看看哪个模型的分高，就选择哪个模型。

参考：https://www.kaggle.com/code/jhoward/the-best-vision-models-for-fine-tuning

Coqui是一个支持多语言、效果出色的深度学习TTS。本人实现了粤语的支持，并发布了模型：https://huggingface.co/hgneng/coqui-cantonese-model，如有朋友训练出效果更好的模型，欢迎在huggingface上发布并留言。下面是使用方法：

1. 下载源代码

git clone https://github.com/hgneng/TTS

2. 确认Python版本

python -V

如果不满足python >= 3.9, < 3.12，请使用conda安装符合条件的Python环境

https://www.kaggle.com/learn

开发文档

Studio： https://arstudio.rokid.com/

https://www.fast.ai/

fastai库文档

视频教程：https://course.fast.ai/Lessons/lesson1.html

https://www.lang123.top/

https://ai-bot.cn/