SodaPy.com

Descrizione

Ho perfezionato Gemini con un set di dati governativo. Il set di dati è stato elaborato: creazione di funzionalità, test e così via. Ho combinato il mio Gemini perfezionato con i modelli ARIMA e XGboost per creare un insieme di 3 modelli. In questo modo, ho ridotto il mio MAE a circa 6. All'inizio ricevevo le previsioni di tutti gli stati degli Stati Uniti, ma erano molte richieste di dati dell'API, il che rallentava il sito web. Tuttavia, Gemini ottimizzato ha previsto molto bene il consumo di bibite solo per tutti gli stati. Fine-Gemini ha ottenuto ottimi risultati con le previsioni, ma con un MAE molto elevato. Pertanto, ARIMA e XGBOOST sono stati utilizzati principalmente per ridurre notevolmente l'errore medio assoluto, ma Gemini ottimizzato da solo stava già producendo ottimi risultati di previsione del consumo di bibite rispetto al set di dati governativo originale. Pertanto, la vera potenza delle previsioni sul consumo di bibite deriva da Gemini ottimizzato. In Texas ho subito un'operazione per donare un rene a mio padre a causa della sua insufficienza renale. Quindi è bello concentrarsi sul consumo futuro di bibite nel Texas per affrontare i problemi renali. Ora che siamo a conoscenza del consumo di bevande gassate, possiamo chiedere alle persone di donare in forma anonima/volontaria un campione di urina, che è lo strumento migliore per misurare l'insufficienza renale di stadio 1. Quando si arriva alla quinta fase, è già troppo tardi e le persone hanno bisogno di un intervento chirurgico. Pertanto, con le previsioni sul consumo di bibite, possiamo concentrarci sulla fase 1, l'approccio di prevenzione. Elimina la causa della insufficienza renale. Ho utilizzato Vertex AI e Cloud Run/Load Balancer di Google Cloud. Ho utilizzato gli Strumenti per sviluppatori di Chrome per controllare i problemi relativi all'API di latenza.