V
主页
【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
发布人
销量预测,或者叫需求量预测,是回归分析的一个经典问题。这里介绍评估回归结果好坏的两个指标,MAE/MSE,以及探讨了为什么 MAE 倾向于回归中位数,而 MSE 倾向于回归均值。
打开封面
下载高清视频
观看高清视频
视频下载器
【销量预测】R2(r_squared)与相关系数(correlation)的区别和联系,什么情况下R2=correlation,R2与MAE,RMSE
B站最全!概率论基础、线性代数基础、高等数学基础、微积分、泰勒公式、贝叶斯算法、回归分析等十大人工智能数学基础一口气学完!
【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
[RLHF] 从 PPO rlhf 到 DPO,公式推导与原理分析
[LLMs 实践] 20 llama2 源码分析 cache KV(keys、values cache)加速推理
【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
泰勒公式的惊天应用!高等数学基础最强教程来了!微积分、核函数变换、随机变量、概率论基础、泰勒公式与拉格朗日、贝叶斯分析、方差分析、聚类分析、线性代数基础
【手推公式】logistic regression 及其与 linear regression 的区别,对数线性与对数几率
不死记硬背记住泰勒公式的方法!花1个小时就能轻松学会高等数学基础!(微积分、随机变量、概率论基础、泰勒公式与拉格朗日、贝叶斯分析、相关分析、方差分析、回归分析)
【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
[LLMs 实践] 04 PEFT/LoRA 源码分析
[矩阵分析] LoRA 矩阵分析基础之 SVD low rank approximation(低秩逼近)
【手推公式】梯度下降(一阶泰勒展开)的一种直观形式
【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] sigmoid 及其导数 softmax 及其导数性质(从 logits 到 probabilities)
【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
[LLMs tuning] 04 optimizer Trainer 优化细节(AdamW,grad clip、Grad Norm)等
[LLMs 实践] 221 llama2 源码分析 generate 的完整过程
[LLMs inference] quantization 量化整体介绍(bitsandbytes、GPTQ、GGUF、AWQ)
吹爆!这可能是人工智能最好的数学基础教程!《线性代数可视化》!(微积分、随机变量、概率论基础、泰勒公式与拉格朗日、贝叶斯分析、聚类分析、概率论基础、AI)
[优化算法] 梯度下降、共轭梯度、牛顿法、逆牛顿法(BFGS)
【手推公式】【目标检测】【Fast RCNN】RoIPooling 的作用及计算
[蒙特卡洛方法] 04 重要性采样补充,数学性质及 On-policy vs. Off-policy
【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
[personal chatgpt] 从 RoPE 到 CoPE(绝对位置编码,相对位置编码,Contextual Position Encoding)
【回归分析】R老师带你一起感受统计学的机器学习 「回归系数估计」P1 | ISL@Stanford
【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
[LLMs 实践] 08 LLM.int8 量化细节 (load_in_8bit)以及 bitsandbytes 库
[generative models] 概率建模视角下的现代生成模型(生成式 vs. 判别式,采样与密度估计)
【矩阵分析】矩阵奇异值与谱范数(spectral norm),F范数(Frobenius norm),核范数(nuclear norm)
【数字图像处理】HoG+SVM+NMS行人检测(pedestrian detection)(python-opencv)
[LLMs 实践] 19 llama2 源码分析 RoPE apply_rotary_emb 从绝对位置编码到相对位置编码
[LLMs 实践] 02 LoRA(Low Rank Adaption)基本原理与基本概念,fine-tune 大语言模型
【统计】【excel】从均值(average)、标准差(stdevp)、标准化(standardize)到相关系数(correl)
[LLMs 实践] 17 llama2 源码分析(RMSNorm 与 SwiGLU)
【数据分析】成本(固定成本、可变成本)收益利润模型(cost-revenue-profit)、盈亏平衡分析
[LLMs 实践] 07 fp16 与自动混合精度训练(amp)显著提升 batch size
[LLMs 实践] 21 llama2 源码分析 GQA:Grouped Query Attention
[动手写神经网络] 如何设计卷积核(conv kernel)实现降2采样,以及初探vggnet/resnet 卷积设计思路(不断降空间尺度,升channel)
[蒙特卡洛方法] 01 从黎曼和式积分(Reimann Sum)到蒙特卡洛估计(monte carlo estimation)求积分求期望