模型评估：可决系数与纳什效率系数
模型评估：可决系数与纳什效率系数
数学建模 | 关于季节性ARIMA模型你必须知道的20个知识点
同ARIMA模型,时间序列趋势的变化会对SARIMA模型建立的短期相关模型产生较大影响,预测效果下降。时间序列的值随时间变化,且经差分后过去的观测值与未来值以及对应季节的数据之间存在较强的相关性。SARIMA模型是ARIMA模型的扩展,可以对存在季节性周期变化的时间序列进行建模和预测。首先确定最优的
机器学习——先验概率、后验概率、全概率公式、贝叶斯公式
先验概率（prior probability）是指根据以往经验和分析得到的概率，如全概率公式，它往往作为"由因求果"问题中的"因"出现的概率。后验概率是指在得到“结果”的信息后重新修正的概率，是“执果寻因”问题中的"果"。贝叶斯公式就是当已知结果，问导致这个结果的第 i 原因的可能性是多少。
机器学习（周志华）课后习题
机器学习记录
delta method 介绍
众所周知，当一个变量X服从正态分布时，其线性变换也服从正态分布。那么非线性变换呢？delta方法提出，其经过可导函数变换后得到的g(X)仍然概率趋向正态分布，并且提供了期望、方差的计算公式。单变量X变换为g(X)，对g(X)g(X)≈g(θ)+g′(θ)(X−θ)g(X)−g(θ)≈g′(θ)(X−
【人工智能的数学基础】函数的光滑化(Smoothing)
综上所述，需要对非光滑函数进行光滑近似的方法。本文首先对函数的光滑化进行定义，并介绍几种对函数进行光滑化的方法。光滑函数(smooth function)是指在其定义域内无穷阶数连续可导的函数。函数的光滑化是指对于一个非光滑函数fff，寻找一个光滑函数fμf_{\mu}fμ，使得fμf_{\mu}
Sam Altman 最新访谈：谈谈 AI 的未来，还有中国 AI 发展现状
在经历了数论关于AI监管的对谈和磋商后，最近很少发声的 Sam Altman 又一次接受了新访谈，5月9日，在一场Sohn 2023活动的对谈中，OpenAI的CEO 对大语言模型和AI的未来，监管的方式，竞争对手和中国AI发展及AI领域的创投机会都表达了他新一轮，更成熟更系统化的思考。在一个月之前
Python中进行特征重要性分析的9个常用方法
特征重要性分析用于了解每个特征(变量或输入)对于做出预测的有用性或价值。目标是确定对模型输出影响最大的最重要的特征，它是机器学习中经常使用的一种方法。
Proximal Policy Optimization(近端策略优化)(PPO)原理详解
PPO主要是针对Important-Sampling产生的不稳定性进行了CLIP操作和罚函数法，相比TRPO方法更简单容易实现，有了策略梯度的定义，可以结合其他Actor-Critic进行联合使用更新，并且PPO将策略梯度缺陷的on-policy变为了off-policy，更大可能的利用了采样样本，
【机器学习】验证集loss震荡（loss的其他问题）
训练过程中发现，train loss一直下降，train acc一直上升；但是val loss、val acc却一直震荡。loss一会上一会下，但是总体趋势是向下的。“loss震荡但验证集准确率总体下降” 如何解决？
【深入探讨人工智能】AI大模型在自动驾驶中的应用
当今，AI大模型是一个火热🔥的关键词。随着人工智能的迅猛发展，AI大模型在各个领域展现出了巨大的潜力和应用价值。在自动驾驶领域🚗，AI大模型的应用驱动自动驾驶算法具备更强的泛化能力🔌。那么 AI大模型 为自动驾驶赋能了什么❔它的未来发展前景又是怎样❔本文将以主流自动驾驶汽车特斯拉为例，揭开AI
向量数据库简介和5个常用的开源项目介绍
本文旨在全面介绍向量数据库，并介绍2023年可用的最佳向量数据库。
【人工智能的数学基础】机器学习中的假设检验(Hypothesis Test)
若假设“所有模型的性能相同”被拒绝，则说明模型的性能显著不同。在统计学中，总体分布往往是未知的，只能从中进行有限的抽样从而获得部分样本的信息。有时需要对总体的特征做出某种假设，如何判断该假设是正确的还是错误的？个模型进行比较，首先在每个数据集上根据留出法或交叉验证法得到所有模型测试结果，根据测试性能
【人工智能】关于人类大脑模型的一些数学公式
关于人类大脑建模的数学公式主要涉及到神经元网络、激活函数、学习算法等方面。这里是一些常见的数学公式（使用Markdown和LaTeX语法）。
分析多变量间因果关系的利器---结构方程模型（Structural Equation Modeling）
我们前期推出的《基于R语言结构方程模型》通过结构方程原理介绍、结构方程全局和局域估计、模型构建和调整、潜变量分析、复合变量分析及结构方程贝叶斯方法实现等一系列专题的介绍及大量案例讲解，由浅入深地系统介绍了结构方程模型的建立、拟合、评估、筛选和结果展示全过程，得到学员广泛认可。张老师，来自中国科学院，
loss = nn.CrossEntropyLoss(reduction=‘none‘)
reduction 参数用于控制输出损失的形式。
【Linear Probing | 线性探测】深度学习 线性层
深度学习linear probing
数学建模常用算法—马尔可夫预测
马尔可夫预测模型
Excel小技巧,使用函数（INDEX+MATCH）快速进行条件查询
Excel小技巧,使用函数（INDEX+MATCH）快速进行条件查询
AI 大模型 LLM 的基础概念、核心算法原理数学模型和发展历史及其应用领域
文本摘要是指从大量的文本中提取关键信息，并生成简洁、易于理解的摘要。LLM能够通过对文本进行编码和自动摘要，从而提高文本摘要的质量和效率。总之，LLM是自然语言处理领域中的一个重要组成部分，它通过对大量数据进行训练，实现了自然语言理解、文本分类、机器翻译、文本摘要等多种自然语言处理任务。在未来的发展
