【手推公式】xgboost自定义损失函数（cross entropy/squared log loss）及其一阶导数gradient二阶导数hessian
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
【手推公式】从二分类到多分类，从sigmoid到softmax，从最大似然估计到 cross entropy
...
[数学！数学] 最大似然估计（MLE）与最小化交叉熵损失（cross entropy loss）的等价性
...
几乎优化任意损失函数，不使用一阶信息的新boosting算法，偏移量预言机是关键！
...
60分钟Pytorch从入门到精通【第七期】！这期是上手代码演示损失函数和优化器设置的过程！跟farfar一起动动手试试看！
...
yolov8 | 损失函数 之 1、数据预处理 代码精读
...
xgboost + shap可加性解释
...
[LLM 番外] 自回归语言模型cross entropy loss，及 PPL 评估
...
【机器学习】【手推公式】从Hinge loss（合页损失）到 SVM（hard margin/soft margin）
...
【手推公式】可导损失函数（loss function）的梯度下降（GD）、随机梯度下降（SGD）以及mini-batch gd梯度优化策略
...
【手推公式】从二分类（二项分布）到多分类（多项分布），最大似然估计与交叉熵损失的等价
...
【手推公式】logistic regression 为什么不采用 squared loss作为其损失函数，如何从最大似然估计得到交叉熵损失函数
...
[手推公式] sigmoid 及其导数 softmax 及其导数性质（从 logits 到 probabilities）
...
【数据变换】【可视化】xscale('log') , yscale('log'), log-log plot 非线性转换为线性
...
[pytorch optim] pytorch 作为一个通用优化问题求解器（目标函数、决策变量）
...
【数据处理】数据变换的三种形式，（几率）对数线性（log linear）、线性对数（linear log）、双对数log-log
...
YOLOv8改进分类损失函数：多种PolyLoss、VFocalLoss、QFocalLoss损失函数改进教程
...
【机器学习中的数学】【概率论】正态分布的导数与拐点（inflection points）
...
【手推公式】从 logodds 到 sigmoid 概率化输出，用于 LR、XGBoost 的分类任务
...
[pytorch] 激活函数，从 ReLU、LeakyRELU 到 GELU 及其梯度（gradient）（BertLayer，FFN，GELU）
...
【手推公式】【目标检测】【Fast RCNN】RoIPooling 的作用及计算
...
【手推公式】指数族分布（exponential family distribution），伯努利分布及高斯分布的推导
...
yolov8 | 1、环境配置
...
[pytorch] F.binary_cross_entropy（二分类） 与 F.cross_entropy（多分类）
...
【手推公式】multi-classification多分类评估（precision/recall，micro averaging与macro averaging
...
【手推公式】梯度下降（一阶泰勒展开）的一种直观形式
...
[pytorch distributed] 从 DDP、模型并行、流水线并行到 FSDP（NCCL，deepspeed 与 Accelerate）
...
【python 运筹优化】scipy.optimize.minimize 接口介绍（method、jacobian、hessian）| 有约束非线性优化
...
【手推公式】logistic regression 及其与 linear regression 的区别，对数线性与对数几率
...
[python nlp] 01 词频分析与 Zipf law 齐夫定律（log-log plot）
...
计算机博士结合深度学习花书打造！初学者入门必备的深度学习经典算法解析课，收藏起来慢慢学！
...
【手推公式】【销量预测】【回归分析】MAE与MSE在回归分析时的区别，为什么MSE倾向于回归均值，MAE倾向于回归中位数
...
[pytorch 强化学习] 10 从 Q Learning 到 DQN（experience replay 与 huber loss / smooth L1）
...
[AI 核心概念及计算] 优化 01 梯度下降（gradient descent）与梯度上升（gradient ascent）细节及可视化分析
...
[pytorch] [求导练习] 04 前向计算与反向传播与梯度更新（forward，loss.backward(), optimizer.step）
...
[LLMs 实践] 13 gradient checkpointing 显存优化 trick
...
[RLHF] 从 PPO rlhf 到 DPO，公式推导与原理分析
...
[LLMs 实践] 11 gradient accumulation 显存优化 trick
...
[pytorch 模型拓扑结构] 深入理解 nn.BCELoss 计算过程及 backward 及其与 CrossEntropyLoss 的区别与联系
...
[personal chatgpt] 从 RoPE 到 CoPE（绝对位置编码，相对位置编码，Contextual Position Encoding）
...
【机器学习】揭秘逻辑回归算法：Python 客户流失预测实战教程