FFZwai/qwen2.5-1.5b-analytics

📊 LeyoAI Analytics Model

数据分析与洞察 AI 助手，基于 Qwen2.5-1.5B-Instruct + LoRA 微调。

📊 模型信息

项目	详情
基座模型	Qwen2.5-1.5B-Instruct
微调方式	LoRA (r=16, α=32)
训练数据	160 条数据分析问答
训练轮次	3 epochs
最终 Loss	0.13
可训练参数	4.36M (0.28%)

🎯 功能

• 描述性统计与可视化建议
• 相关性与回归分析
• A/B 测试设计与解读
• 用户行为与留存分析
• 数据看板设计指导

💡 使用方式

from transformers import AutoTokenizer, AutoModelForCausalLM
from peft import PeftModel

base = AutoModelForCausalLM.from_pretrained("Qwen/Qwen2.5-1.5B-Instruct")
model = PeftModel.from_pretrained(base, "FFZwai/qwen2.5-1.5b-analytics")
tok = AutoTokenizer.from_pretrained("Qwen/Qwen2.5-1.5B-Instruct")

messages = [{"role": "user", "content": "如何做用户留存分析？"}]
text = tok.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tok(text, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=512)
print(tok.decode(outputs[0], skip_special_tokens=True))

⚠️ 免责声明

本模型仅供参考，请在生产环境部署前进行充分测试验证。