Mindket

College Admit Portfolio

新上架第 1 版 · 更新于

概览

根据 Naviance 散点图的人数,在浏览器页面里估算至少被一所大学录取的概率和 Shapley 份额,数据只留在你的设备上。适合规划申请哪些学校的学生。

College Admit Portfolio 是一款工具包,属于教育类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • 一个网页浏览器
  • Python 和 pip,仅下载这一步用到
用在
  • 网页浏览器,通过 Hugging Face 上的 Space 页面
  • Windows、macOS 或 Linux 上的任意浏览器,打开下载好的 index.html
先运行
pip install -U huggingface_hub
hf download emmaz-sv/college-admit-portfolio --repo-type space --local-dir college-admit-portfolio
cd college-admit-portfolio

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

College Admit Portfolio 是一个静态网页,根据 Naviance 散点图的人数估算至少被一所学校录取的概率。它还会给出 Shapley 份额。你输入的是从与你的 GPA 和考试成绩对应的方框里读到的计数 k 和 n。它以 HTML 和 JavaScript 运行,没有服务器,所以你的数据留在你的设备上。

适合谁

适合正在制定申请清单、想知道至少被录取一所的可能性有多大的学生和家庭。

IndustryWho uses itHow they use itExample
大学申请高中生检查一组学校加起来至少被录取一所的情况学生从散点图里为每所学校输入人数。
升学指导升学顾问向家庭展示清单怎样改变总体概率顾问测试一份清单,分别带和不带某一所学校。
家庭家长和学生一起规划申请清单家长比较两份可能的清单。
数据爱好者统计学学生看一个由人数算出来的并集概率学习者打开 index.html,阅读估算是怎样得出的。

如果你想根据完整的个人情况预测某一所学校,可以跳过它,因为它只依据散点图的人数。

用在哪里

  • 网页浏览器,通过 Hugging Face 上的 Space 页面
  • Windows、macOS 或 Linux 上的任意浏览器,打开下载好的 index.html
Use caseWhoWhat they get back
估算至少被录取一所学生至少有一份申请被录取的概率
查看每所学校的份额升学顾问根据人数算出的 Shapley 份额
保持隐私家庭一个把数据留在自己设备上的页面

如何设置

  • 一个网页浏览器
  • Python 和 pip,仅下载这一步用到
  1. 安装 huggingface_hub 包。
  2. 把这个 Space 下载到名为 college-admit-portfolio 的本地文件夹。
  3. 进入这个文件夹。
  4. 在网页浏览器里打开 index.html。
pip install -U huggingface_hub
hf download emmaz-sv/college-admit-portfolio --repo-type space --local-dir college-admit-portfolio
cd college-admit-portfolio

如何使用

打开页面,输入每所学校的散点图人数,也就是你的 GPA 和考试方框里显示的 k 和 n。页面随后显示估算值和 Shapley 份额。页面本身没有需要运行的命令。

ToolWhat it does
k 和 n 的人数你从 Naviance 散点图方框里读到的数字
P(至少一所被录取)你至少被某一所学校录取的估算概率
Shapley 份额页面根据你的人数算出的博弈论指标

示例

你从散点图里为每所学校读出 GPA 和考试方框里的 k 和 n,然后输入。页面返回至少被录取一所的概率和 Shapley 份额。

新手与专家

如果你是新手,k 是你所在方框里被录取的学生人数,n 是申请的人数。先为一所学校输入这两个数字。

如果你熟悉这个领域,页面根据散点图人数计算各学校之间的并集概率。它还报告 Shapley 份额,页面除了名字没有进一步解释。README 列出了四种发布到 Hugging Face 的方式,其中有 GitHub Actions 和两个 fish 脚本。

  1. 从散点图读出 k 和 n
  2. 输入每所学校的人数
  3. 页面计算并集概率
  4. 同时显示 Shapley 份额

注意事项

  • 它是没有服务器的静态 HTML 和 JavaScript,所以你的数据留在你的设备上
  • 它使用散点图的人数,不会看你完整的个人情况
  • License: mit
  • Cost to run: 未提及
  • Data it reaches: 只有你输入的人数,保存在你的设备上

README 和文件

README

College Admit Portfolio

根据 Naviance 散点图的人数,在浏览器页面里估算至少被一所大学录取的概率和 Shapley 份额,数据只留在你的设备上。适合规划申请哪些学校的学生。

由 emmaz-sv 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:College Admit Portfolio 是一个静态网页,根据 Naviance 散点图的人数估算至少被一所学校录取的概率。它还会给出 Shapley 份额。你输入的是从与你的 GPA 和考试成绩对应的方框里读到的计数 k 和 n。它以 HTML 和 JavaScript 运行,没有服务器,所以你的数据留在你的设备上。

适合谁:适合正在制定申请清单、想知道至少被录取一所的可能性有多大的学生和家庭。

Industry | Who uses it | How they use it | Example
大学申请 | 高中生 | 检查一组学校加起来至少被录取一所的情况 | 学生从散点图里为每所学校输入人数。
升学指导 | 升学顾问 | 向家庭展示清单怎样改变总体概率 | 顾问测试一份清单,分别带和不带某一所学校。
家庭 | 家长 | 和学生一起规划申请清单 | 家长比较两份可能的清单。
数据爱好者 | 统计学学生 | 看一个由人数算出来的并集概率 | 学习者打开 index.html,阅读估算是怎样得出的。

如果你想根据完整的个人情况预测某一所学校,可以跳过它,因为它只依据散点图的人数。

用在哪里:

  • 网页浏览器,通过 Hugging Face 上的 Space 页面
  • Windows、macOS 或 Linux 上的任意浏览器,打开下载好的 index.html
Use case | Who | What they get back
估算至少被录取一所 | 学生 | 至少有一份申请被录取的概率
查看每所学校的份额 | 升学顾问 | 根据人数算出的 Shapley 份额
保持隐私 | 家庭 | 一个把数据留在自己设备上的页面

如何设置:

  • 一个网页浏览器
  • Python 和 pip,仅下载这一步用到
  1. 安装 huggingface_hub 包。
  2. 把这个 Space 下载到名为 college-admit-portfolio 的本地文件夹。
  3. 进入这个文件夹。
  4. 在网页浏览器里打开 index.html。
pip install -U huggingface_hub
hf download emmaz-sv/college-admit-portfolio --repo-type space --local-dir college-admit-portfolio
cd college-admit-portfolio

如何使用:打开页面,输入每所学校的散点图人数,也就是你的 GPA 和考试方框里显示的 k 和 n。页面随后显示估算值和 Shapley 份额。页面本身没有需要运行的命令。

Tool | What it does
k 和 n 的人数 | 你从 Naviance 散点图方框里读到的数字
P(至少一所被录取) | 你至少被某一所学校录取的估算概率
Shapley 份额 | 页面根据你的人数算出的博弈论指标

示例:你从散点图里为每所学校读出 GPA 和考试方框里的 k 和 n,然后输入。页面返回至少被录取一所的概率和 Shapley 份额。

新手与专家:如果你是新手,k 是你所在方框里被录取的学生人数,n 是申请的人数。先为一所学校输入这两个数字。

如果你熟悉这个领域,页面根据散点图人数计算各学校之间的并集概率。它还报告 Shapley 份额,页面除了名字没有进一步解释。README 列出了四种发布到 Hugging Face 的方式,其中有 GitHub Actions 和两个 fish 脚本。

从散点图读出 k 和 n
输入每所学校的人数
页面计算并集概率
同时显示 Shapley 份额

注意事项:

  • 它是没有服务器的静态 HTML 和 JavaScript,所以你的数据留在你的设备上
  • 它使用散点图的人数,不会看你完整的个人情况
  • License: mit
  • Cost to run: 未提及
  • Data it reaches: 只有你输入的人数,保存在你的设备上

Hugging Face 上的数据(2026年11月13日)

  • 点赞:2
  • 构建方式:static
  • 许可证:mit

链接

  • Space:https://huggingface.co/spaces/emmaz-sv/college-admit-portfolio
  • 文件:https://huggingface.co/spaces/emmaz-sv/college-admit-portfolio/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
College Admit Portfolio 本页2staticmit
The Ultra-Scale Playbook共有 static4,131staticapache-2.0
LLM训练终极指南 | The Ultra-Scale Playbook共有 static281staticapache-2.0
Attention Visualization共有 static200staticapache-2.0
Number Tokenization Blog共有 static127staticmit
Train the agent slides共有 static20staticapache-2.0
数据为 Mindket 在 2026-11-12 读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

教育类的相似商品

查看教育类的全部商品

Vāgdhenu

prathoshap · 工具包

用一个训练好的声音,以吟诵风格朗读古典梵语诗节,由参考音频决定节奏。适合学习、背诵或需要梵语音频的人。

新上架

Limite 1B - Violetto

paradigma-inc · 工具包

用一个从头训练的 1B 参数模型解决难度很高的数学题,追求高速、大批量的推理。适合在 NVIDIA GPU 上运行数学任务的开发者。

新上架

Agaram 2.5B

murai-labs · 工具包

能用泰米尔文、罗马化泰米尔语和英语聊天,也能在泰米尔语和英语之间翻译。这是 Murai Labs 从零训练的 2.5B 模型,适合泰米尔语使用者、研究人员和开发者。

新上架