作者文章归档:course

建立模型-ML


建立模型通常涉及多个步骤,具体取决于你要解决的问题类型(如分类、回归、聚类等)以及所使用的工具和框架。以下是建立模型的一般步骤:

1. 问题定义

  • 明确目标:确定你要解决的问题是什么。是分类问题、回归问题、聚类问题还是其他类型的问题?
  • 确定指标:选择合适的评估指标(如准确率、精确率、召回率、F1分数、均方误差等)来衡量模型性能。

2. 数据收集

  • 获取数据:从数据库、API、文件或其他来源收集数据。
  • 数据探索:使用描述性统计和可视化工具(如直方图、散点图等)来理解数据的分布和特征。

3. 数据预处理

  • 数据清洗:处理缺失值、异常值、重复数据等。
  • 特征工程:创建新特征、选择重要特征、进...

Read more

解锁LSTM:探秘长短期记忆网络的神奇世界


一、走进 LSTM 的奇妙世界

在人工智能这片充满创新与奇迹的领域,长短期记忆网络(Long Short-Term Memory,简称 LSTM)宛如一颗璀璨的明星,闪耀着独特的光芒。它以其卓越的记忆能力和处理长序列数据的强大性能,在众多深度学习模型中脱颖而出,成为了众多研究者和开发者手中的得力工具。 想象一下,在处理一段长长的文本时,普通的神经网络可能会像一个记性不好的人,读到后面就忘记了前面的内容。但 LSTM 却如同一位记忆力超群的智者,能够轻松记住文本中的关键信息,无论这些信息相隔多远。这一神奇的能力,使得 LSTM 在自然语言处理、语音识别、时间序列预测等众多领域都有着广泛的应...

Read more

聚焦LSTM:长短期记忆网络神奇之处的深度解读


解锁LSTM:探秘长短期记忆网络的神奇世界

在人工智能迅猛发展的当下,深度学习模型如繁星般照亮了各个领域,其中长短期记忆网络(Long Short-Term Memory,简称LSTM)以其独特的架构和卓越的性能,在处理序列数据的任务中脱颖而出,成为了深度学习领域一颗璀璨的明星。今天,就让我们一同深入LSTM的奇妙世界,揭开它神秘的面纱,探索其背后的工作原理、应用场景以及未来发展潜力。

一、走进LSTM的奇妙世界

在人工智能的大舞台上,数据就像演员,而模型则是导演,不同的模型导演能够让数据演绎出不同的精彩。LSTM便是一位独具匠心的导演,它擅长处理时间序列数据,在自然语言处理、语音识别、...

Read more

LSTM-视频文字


LSTM(长短期记忆网络,Long Short-Term Memory)是一种特殊的循环神经网络(RNN),专门用来解决普通RNN在处理长序列数据时容易出现的梯度消失梯度爆炸问题。LSTM通过一种独特的“记忆单元”结构,能够有效地记住长期信息,同时也能灵活地忘记不重要的信息。

LSTM的核心思想

LSTM的关键在于它引入了三个门控机制,分别是遗忘门输入门输出门。这些门控机制就像“开关”一样,控制信息的流动,决定哪些信息需要记住,哪些信息需要丢弃。


LSTM的三个门控机制

  1. 遗忘门
  2. 作用:决定哪些信息需要从记忆单元中丢弃。
  3. 通俗解释:遗忘门会根据当前的输入和前一时刻的隐藏状态,...

Read more

集合竞价-规则


集合竞价是证券交易市场中用于确定开盘价的一种机制,它在每个交易日开始前进行,通过集中撮合买卖双方的委托来确定一个公平的开盘价格。以下是集合竞价的主要规则:

1. 时间安排

  • 股票市场:在中国A股市场,集合竞价的时间通常是每个交易日的9:15至9:25。其中,9:15至9:20可以申报和撤销委托,9:20至9:25只能申报不能撤销。
  • 期货市场:集合竞价的时间可能有所不同,具体取决于交易所的规定。

2. 委托申报

  • 投资者可以在集合竞价期间输入买卖委托,委托价格和数量需要符合交易所的规定。
  • 委托价格通常有一定的限制,不能偏离前一交易日的收盘价或参考价太多。

3. 撮合原则

  • 价格优先:最...

Read more

量化交易-被动式管理-主动式管理


量化交易、被动式管理和主动式管理是投资和交易领域中常见的几种策略和方法,它们在理念、操作方式和目标上有所不同。

1. 量化交易(Quantitative Trading)

  • 定义:量化交易是一种利用数学模型和算法来执行交易策略的方法。它依赖于大量的历史数据和统计分析,通过计算机程序自动执行交易决策。
  • 特点
    • 数据驱动:依赖于大量的历史数据和统计模型。
    • 自动化:交易决策和执行由计算机程序自动完成。
    • 纪律性:严格遵循预设的模型和规则,减少人为情绪的影响。
  • 应用:常见于高频交易、算法交易、统计套利等领域。

2. 被动式管理(Passive Management)

  • 定义:被动式管理是一种...

Read more

量化交易概述-V2


量化交易(Quantitative Trading)是利用数学模型和计算机算法来进行金融市场交易的一种方法。以下是关于量化交易的一些基本概念和步骤:

  1. 数据收集:首先需要收集大量的历史市场数据,包括价格、成交量、财务报表等。这些数据是构建模型的基础。

  2. 模型构建:使用统计学、机器学习等技术来构建交易模型。常见的模型包括趋势跟踪、均值回归、统计套利等。模型的目标是预测市场行为或价格变动。

  3. 回测:在实际交易前,对模型进行历史数据的回测,看看模型在过去的表现如何。这步非常关键,因为它可以帮助你调整模型参数,避免过拟合。

  4. 风险管理:量化交易中,风险管理至关重要。包括设置止损点、仓位管...

Read more

版本管理与版本控制


版本管理与版本控制是软件开发过程中两个密切相关但有所区别的概念,它们在确保软件开发的有序性和可追溯性方面发挥着重要作用。

1. 版本管理(Version Management)

定义: 版本管理是指对软件的不同版本进行标识、跟踪和管理的过程,确保每个版本的功能、修复和改进都能被清晰地记录和追溯。

主要任务: - 版本标识:为每个版本分配唯一的标识符(如v1.0、v2.0)。 - 版本发布:管理版本的发布流程,包括测试、打包和部署。 - 版本追踪:记录每个版本的变更内容、发布时间和责任人。 - 版本回退:在必要时回退到之前的版本。

工具: 通常使用项目管理工具如JIRA、Trello等来辅...

Read more

AlphaPy-机器学习框架-量化交易-开源项目


该网页主要介绍了名为AlphaPy的机器学习框架:

  1. 框架概述
  2. 是面向投机者和数据科学家的机器学习框架,用Python编写,结合了scikit-learnpandas等库,可用于多种任务,如运行机器学习模型、分析市场、预测体育赛事、开发交易系统和分析投资组合等。
  3. 包含alphapy基础包以及在其之上运行的领域管道MarketFlowmflow)和SportFlowsflow),将领域管道和模型管道分离,领域管道负责将原始数据转换为规范形式(训练集和测试集),模型管道用于处理各种项目且在多次Kaggle竞赛中得到发展。
  4. 框架组件
  5. 领域管道(Domain Pipeline):通过P...

Read more

机器学习算法


机器学习算法是用于从数据中学习模式并做出预测或决策的计算方法。根据学习方式的不同,机器学习算法主要分为以下几类:

1. 监督学习(Supervised Learning)

监督学习通过已标注的数据(输入和对应的输出)来训练模型,目标是学习输入到输出的映射关系。常见的算法包括: - 线性回归(Linear Regression):用于预测连续值。 - 逻辑回归(Logistic Regression):用于分类问题。 - 决策树(Decision Tree):通过树状结构进行分类或回归。 - 支持向量机(SVM, Support Vector Machine):用于...

Read more