SodaPy.com

Funktion

Ich habe Gemini mit einem Dataset einer Regierungsbehörde optimiert. Das Dataset wurde verarbeitet: Feature Engineering, Tests usw. Ich habe mein optimiertes Gemini mit ARIMA- und XGBoost-Modellen kombiniert, um ein Ensemble aus drei Modellen zu erstellen. Dadurch konnte ich den MAE auf etwa 6 senken. Zuerst erhielt ich Vorhersagen für alle US-Bundesstaaten, aber das waren sehr viele API-Datenanforderungen, was die Website verlangsamte. Nach der Optimierung konnte Gemini jedoch den Konsum von Softdrinks für alle Bundesstaaten sehr gut vorhersagen. Der Fine-Gemini erzielte sehr gute Ergebnisse bei den Vorhersagen, aber mit einem sehr hohen MAE. ARIMA und XGBOOST wurden daher hauptsächlich verwendet, um den MAE deutlich zu senken. Aber allein die optimierte Gemini-Version erzielte bereits gute Ergebnisse bei der Prognose des Colaverbrauchs im Vergleich zum ursprünglichen Dataset der Behörde. Die wirkliche Stärke der Prognosen für den Konsum von Softdrinks liegt also in der optimierten Nutzung von Gemini. In Texas wurde ich operiert, um meinem Vater eine Niere zu spenden, da er an Nierenversagen leidet. Es ist also gut, sich auf den zukünftigen Konsum von Limonade in Texas zu konzentrieren, um die Nierenprobleme anzugehen. Da wir jetzt über den Konsum von Limonaden Bescheid wissen, können wir die Teilnehmer bitten, anonym und freiwillig einen Urintest abzugeben. Das ist das beste Mittel, um Nierenversagen der Stufe 1 zu messen. Bei Stadium 5 ist es bereits zu spät und die Betroffenen benötigen eine Operation. Bei der Vorhersage des Colakonsums können wir uns also auf Phase 1, den Präventionsansatz, konzentrieren. Nierenversagen an der Wurzel bekämpfen Ich habe Vertex AI und GCP Cloud Run/Load Balancer verwendet. Ich habe die Chrome-Entwicklertools verwendet, um Probleme mit der Latenz-API zu prüfen.