SodaPy.com

作用

我使用政府数据集对 Gemini 进行了微调。数据集经过了处理：特征工程、测试等。我将经过微调的 Gemini 与 ARIMA 和 XGboost 模型结合起来，创建了一个由 3 个模型组成的集成模型。这样一来，我的 MAE 就降到了 6 左右。起初，我会获取美国所有州的预测数据，但这需要发出大量 API 数据请求，导致网站运行速度变慢。不过，经过微调的 Gemini 在仅预测所有州的苏打水消费量方面表现非常出色。fine-Gemini 在预测方面表现非常出色，但 MAE 非常高。因此，ARIMA 和 XGBOOST 主要用于显著降低 MAE，但与原始政府数据集相比，仅使用经过微调的 Gemini 就已经可以获得出色的苏打水消费预测结果。因此，在预测苏打水消费量方面，真正强大的力量来自经过精细调整的 Gemini。我曾在德克萨斯州接受手术，将自己的肾脏捐给了肾衰竭的父亲。因此，我们很高兴能着重关注德克萨斯州未来的苏打水消费情况，以解决这里的肾脏问题。现在，我们知道了苏打水的摄入量，可以要求人们匿名/自愿捐献尿液样本，这是衡量第 1 期肾衰竭的最佳工具。到了第 5 期肾衰竭，就已经太晚了，患者需要进行手术。因此，对于苏打水消费预测，我们可以重点关注第 1 阶段：预防方法。从根源消除肾衰竭。我使用了 Vertex AI 和 GCP Cloud Run/负载平衡器。我使用 Chrome 开发者工具检查了延迟时间 API 问题。