deephub

摘要： DetectGPT的目的是确定一段文本是否由特定的llm生成，例如GPT-3。为了对段落 x 进行分类，DetectGPT 首先使用通用的预训练模型（例如 T5）对段落 xi 生成较小的扰动。然后DetectGPT将原始样本x的对数概率与每个扰动样本xi进行比较。如果平均对数比高，则样本可能来自源模 阅读全文

摘要： 在去年的文章中我们介绍过Bayesian Bootstrap，今天我们来说说Weighted Bayesian Bootstrap Bayesian bootstrap 贝叶斯自举法（Bayesian bootstrap）是一种统计学方法，用于在缺乏先验知识的情况下对一个参数的分布进行估计。这种方法 阅读全文

摘要： 梯度提升算法是最常用的集成机器学习技术之一，该模型使用弱决策树序列来构建强学习器。这也是XGBoost和LightGBM模型的理论基础，所以在这篇文章中，我们将从头开始构建一个梯度增强模型并将其可视化。 梯度提升算法介绍 梯度提升算法（Gradient Boosting）是一种集成学习算法，它通过构 阅读全文

摘要： 能量模型（Energy-based model）是一种以自监督方式执行的生成式模型，近年来受到了很多关注。本文将介绍ScoreGrad：基于连续能量生成模型的多变量概率时间序列预测。如果你对时间序列预测感兴趣，推荐继续阅读本文。 为什么时间序列预测很重要? 这是一个老生常谈的问题，因为时间序列预测在 阅读全文

摘要： GBoost和LightGBM都是目前非常流行的基于决策树的机器学习模型，它们都有着高效的性能表现，但是在某些情况下，它们也有着不同的特点。 XGBoost和LightGBM简单对比 训练速度 LightGBM相较于xgboost在训练速度方面有明显的优势。这是因为LightGBM使用了一些高效的算 阅读全文

摘要： 本文将使用信用违约数据集介绍手工特征的概念和创建过程。 通过对原始数据进行手工的特征工程，我们可以将模型的准确性和性能提升到新的水平，为更精确的预测和更明智的业务决策铺平道路， 可以以前所未有的方式优化模型并提升业务能力。 原始数据就像一个没有图片的拼图游戏——但通过特征工程，我们可以将这些碎片拼在 阅读全文

摘要： 在20世纪，统计学还处于起步阶段计算机还不是那么流行的时候，假设正态分布是生成数据的标准。这主要是因为在那个所有结果都是手工计算的时代，正态分布可以使计算不那么繁琐。 但在这个大数据时代，随着计算能力的提高，数据的可用性使得统计学家采用了更现代的技术——非参数统计。这里我们将讨论一种这样的方法来估计 阅读全文

摘要： 上篇文章我们已经介绍了一些常见的聚类算法，下面我们将要介绍评估聚类算法的指标 在聚类算法中，评估聚类结果的好坏是非常重要的。常见的聚类评估指标包括： Rand Index：用于衡量聚类结果和真实标签之间的相似度。 Adjusted Rand Score：Rand Index的调整版本，可以对随机结果 阅读全文

摘要： 无监督聚类方法的评价指标必须依赖于数据和聚类结果的内在属性，例如聚类的紧凑性和分离性，与外部知识的一致性，以及同一算法不同运行结果的稳定性。 本文将全面概述Scikit-Learn库中用于的聚类技术以及各种评估方法。 本文将分为2个部分，1、常见算法比较 2、聚类技术的各种评估方法 本文作为第一部分 阅读全文

摘要： 在机器学习中，特征是指对象、人或现象的可测量和可量化的属性或特征。特征可以大致分为两类：稀疏特征和密集特征。 完整文章： https://avoid.overfit.cn/post/db548d55a7f44ec791bbc024727673e8 阅读全文