V
主页
【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
发布人
https://win-vector.com/2011/11/21/correlation-and-r-squared/
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】【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
【回归分析】R2(coefficient of determination)的定义及计算(SSres、SStot)及图形化解释(graphical expla)
【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
[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 tuning] 02 accelerate ddp 与 trl SFTTrainer
[LLMs tuning] 01 trl SFTTrainer 中的 formatting_func 与 DataCollatorForCompletion
[LLMs 实践] 221 llama2 源码分析 generate 的完整过程
[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
【数据可视化】【excel】漏斗分析-漏斗图(funnel)与金字塔图(pyramid)的区别和联系
【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
【矩阵分析】斐波那契数列(Fibonacci)通项公式的(矩阵矢量)推导
[LLMs 实践] 21 llama2 源码分析 GQA:Grouped Query Attention
【数字图像处理】HoG+SVM+NMS行人检测(pedestrian detection)(python-opencv)
【统计】【excel】从均值(average)、标准差(stdevp)、标准化(standardize)到相关系数(correl)
[强化学习基础 02] MDP价值迭代算法(value iteration,V(s), Q(s,a), pi(s))
[LLMs 实践] 03 LoRA fine-tune 大语言模型(peft、bloom 7b)
[LLMs 实践] 12 LLM SFT training (trl SFTTrainer、alpaca dataset)
[蒙特卡洛方法] 04 重要性采样补充,数学性质及 On-policy vs. Off-policy
[pytorch 网络拓扑结构] 深入理解 nn.LayerNorm 的计算过程
【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)
[LLMs tuning] 03 llama3-8B instruct SFT on Financial RAG
[蒙特卡洛方法] 03 接受/拒绝采样(accept/reject samping)初步 cases 分析
[LLMs 实践] 10 预训练语料,mapping & streaming(load_dataset)
[LLMs 实践] 07 fp16 与自动混合精度训练(amp)显著提升 batch size
[损失函数设计] 为什么多分类问题损失函数用交叉熵损失,而不是 MSE
[凸函数] convex 性质与简森不等式(jensen's inequality)与 ELBO、投资组合理论(Porfolio)
[LLMs tuning] 04 optimizer Trainer 优化细节(AdamW,grad clip、Grad Norm)等
[动手写 bert 系列] 02 tokenizer encode_plus, token_type_ids(mlm,nsp)
[LLMs 实践] 11 gradient accumulation 显存优化 trick
[统计] python 假设检验基础(T-Test,ANOVA,chi2)
【统计学】从置信水平(confidence level,置信区间)、Z值到最小采样数(最小抽样数)
【运筹】【整数规划】outer approximation 求解 MINLP及示例
[矩阵分析] 旋转矩阵的计算机与应用(复平面,RoPE)
[动手写bert系列] 01 huggingface tokenizer (vocab,encode,decode)原理及细节
[pytorch 网络拓扑结构] 深度理解 nn.BatchNorm1d
【矩阵计算】从 im2col 到 GEMM,矩阵与核的卷积到矩阵乘法
[全栈深度学习] 02 vscode remote(远程)gpus 服务器开发调试 debugger(以 nanoGPT 为例)
[LangChain] 03 LangGraph 基本概念(AgentState、StateGraph,nodes,edges)
[python 全栈] python 装饰器(decorator)及 functools.cache
【推荐系统】【缺失值处理】【矩阵分析】基于低秩矩阵补全(low rank matrix completing,矩阵分解 matrix factorizatio)