盘古大模型参与者解读盘古β大模型
首页 专栏 机器学习 文章详情 0 盘古大模型参与者解读盘古β大模型 华为云开发者社区 发布于 5 月 7 日 摘要：盘古NLP大模型有两个，α和β。α已经开源gitee链接，它是基于GPT-3结构的网络，主打生成类任务。β是基于Transformer结构的网
词向量Word Embedding原理及生成方法
前言 Word Embedding是整个自然语言处理（NLP）中最常用的技术点之一，广泛应用于企业的建模实践中。我们使用Word Embedding能够将自然文本语言映射为计算机语言，然后输入到神经网络模型中学习和计算。如何更深入地理解以及快速上手生成Word Embedding呢？本文对Word
机器学习 第3篇：数据预处理（使用插补法处理缺失值）
插补法可以在一定程度上减少偏差，常用的插补法是热卡插补、拟合插补和多重插补。拟合插补，要求变量间存在强的相关性；多重插补（MCMC法），是在高缺失率下的首选插补方法，优点是考虑了缺失值的不确定性。 一，热卡插补 热卡填充（Hot deck imputation）也叫就近补齐，对于一个包含空值的对象，
R语言stan进行贝叶斯推理分析
首页 专栏 机器学习 文章详情 0 R语言stan进行贝叶斯推理分析 LT_Ge 发布于 2 月 12 日 原文连接：http://tecdat.cn/?p=6252 R的Stan 可以从许多统计软件包中运行Stan。到目前为止，我一直在从R运行Stan。 简单线性
R语言预测波动率的实现：ARCH模型与HAR-RV模型
首页 专栏 算法 文章详情 0 R语言预测波动率的实现：ARCH模型与HAR-RV模型 拓端tecdat 发布于 5 月 10 日 原文：http://tecdat.cn/?p=3832 波动率是众多定价和风险模型中的关键参数，例如BS定价方法或风险价值的计算。
Ray Tune: 炼丹师的调参新姿势
在机器学习的大多数漂亮的结果背后，是一个研究生(我)或工程师花费数小时训练模型和调整算法参数。正是这种乏味无聊的工作使得自动化调参成为可能。 在 RISELab 中，我们发现越来越有必要利用尖端的超参数调整工具来跟上最先进的水平。深度学习性能的提高越来越依赖于新的和更好的超参数调整算法，如基于分布
前置机器学习（一）：数学符号及希腊字母
本文收录于机器学习前置教程系列。 本文列出了常用的机器学习数学符号（Mathematical notations），包含代数、微积分、线性代数、概率论、集合论、统计学以及希腊字母。 代数 符号 名称 描述 例子 (f∘g) 复合函数 嵌套函数 (f∘g)(x)=f(g(x)) ∆ 德耳塔 变化/区别
MLOps简介
首页 专栏 大数据 文章详情 1 MLOps简介 Corwien 发布于 5 月 7 日 一、什么是 MLOps？ 机器学习操作 (MLOps) 基于可提高工作流效率的 DevOps 原理和做法。 例如持续集成、持续交付和持续部署。 MLOps 将这些原理应用到
瑞利商（Rayleigh quotient）与广义瑞利商（genralized Rayleigh quotient）
最近在学习LDA，公式推导中很重要的部分就是瑞利商和广义瑞利商。 瑞利商定义 瑞利商函数是指这样的函数?(?,?)$$R(A,x) = \cfrac{X^{H}Ax}{X^{H}x}$$其中?为$?×?$的Hermitan矩阵。Hermitan矩阵，就是满足共轭转置矩阵和自己相等的矩阵，
B站数据分析课程学习清单！
首页 专栏 程序员 文章详情 0 B站数据分析课程学习清单！ 小人物 发布于 5 月 19 日 文章来源-公众号-数据万花筒-B站数据分析课程学习清单！ 点击上方蓝字关注我们 经过一年多的搬运，小编的B站积累了很多优质的数据分析课程，汇总到公众号，需要的小伙伴自取
统计科学之多因素方差分析
首页 专栏 python 文章详情 0 统计科学之多因素方差分析 张俊红 发布于 1 月 27 日 01.前言 在前面我们讲过简单的单因素方差分析，这一篇我们讲讲双因素方差分析以及多因素方差分析，双因素方差分析是最简单的多因素方差分析。 单因素分析就是只考虑一个因
Embedding
首页 专栏 人工智能 文章详情 0 Embedding haofengpingjieli 发布于 4 月 19 日 这个概念在深度学习领域最原初的切入点是所谓的Manifold Hypothesis（流形假设）。流形假设是指“自然的原始数据是低维的流形嵌入于(e
加载更多