统计学与业务技术要点大揭秘 - 飞书文档
https://docs.feishu.cn/v/wiki/FSPxwSOeKizHIMkq7lzcruFvnnc/a1大样本下，分层抽样与简单随机抽样区别很小. 正态分布. 又称“高斯分布”，是一个在 ... 因此，正确的实验方法是根据实验假设，得到最小样本量，在实验达到最小样本量 ...
飞搜侠
热门搜索
函数f(phi)的影响在何处体现 - 飞书文档
https://docs.feishu.cn/v/wiki/PDBUwWmnBilcUjkr48Lcvs6Pn1b/af计算得到的椭球体积约为251.37888 立方单位。这个结果是通过1000000 个样本点的模拟得出的，因此具有一定的随机性和误差，但通常蒙特卡洛方法得到的结果随样本数量的增加而趋 ...
2024年GATE DA试卷对数据分析知识体系的完善有何作用？ - 飞书文档
https://docs.feishu.cn/v/wiki/Q0ocwufmpiDQe1kvTSLcwKaan2f/aj例如，对于不同类型数据的特点和适用场景的考查，让考生必须清晰地了解数值型数据、分类数据和时间序列数据等各自的处理方式。在数据收集方法上，涉及到抽样技术的细节，如简单 ...
Q-learning算法是什么？ - 入门指南：强化学习 - 飞书文档
https://docs.feishu.cn/v/wiki/Lt5PwX7Zqi0oeCkPlglcDgZDn7b/a7所以简单的说，强化学习（Reinforcement learning，RL）是一类机器学习算法 ... 蒙特卡洛方法它是一种通过随机抽样来解决统计问题的方法。其基本思想是通过在特定 ...
超参数搜索的三种主要方法 - 飞书文档
https://docs.feishu.cn/v/wiki/XNbCwSjXTiFjRvkzxTcc8FBAnoh/a3在随机搜索中，仅尝试部分参数值。采样的参数设置数量由n_iter 给出。参数值是从给定列表或指定分布中采样的。当参数以列表形式呈现 ...
文本生成类Prompt如何指导创作？ - 飞书文档
https://docs.feishu.cn/v/wiki/Z3yqwSy75ij89vkWQu0ckj5BnLh/ak一般地，使用softmax函数将logit转换为概率。在这里，为随机采样引入了温度——一种影响文本生成随机性的超参数。比较一下激活函数，可以更好地理解温度如何影响概率计算。 在 ...
投机采样的证明确保样本分布一致 - 飞书文档
https://docs.feishu.cn/v/wiki/W0HfwbDW7ihaLWkJmh4cYOHjnyz/a9如果$p(x') > q(x') $说明大模型在token $x'$上概率大于小模型，则大模型对生成token $x'$更有把握，说明小模型生成的问题不大可以保留$x'$。
解析美团AB测试：平台建设与统计陷阱规避之道
https://docs.feishu.cn/v/wiki/CqJiwCnmliLNsAkWpqycQ79Nnpd/a3样本在 实验组 或 对照组 的分配机制影响着其方差的计算，避免用随机抽样(样本满足独立同分布)下的样本方差计算方法计算非随机抽样下的样本方差。 该陷阱主要出现在用随机 ...
RLAIF如何监督AI模型进行训练？ - 飞书文档
https://docs.feishu.cn/v/wiki/GvFIwsHkfi6yV0kUvencXublnRg/ah由于成本较低、实现简单，此类方法出现的也比较多。除了以上列举的2种外，还 ... 作者使用25K的训练集，并从验证样本中随机抽取3.2K 个样本作为测试集。 为了生成 ...
理解N-gram代码所需的数学原理重要吗？ - 飞书文档
https://docs.feishu.cn/v/wiki/STvkwvxvjiC8dok6HrvcdSf0njd/ad这个是个随机数算法，非常简单，非常高效，随机性就验证了。 第二个class是 ... 抽样sample_discrete 函数里获取累计概率值刚大于coinf 的索引作为下一个token_id ...