Alan_Fire - 博客园

2018年11月13日

摘要：什么是强化学习？强化学习任务通常用马尔科夫决策过程（MarkovDecision Process,MDP）来描述：机器处于环境E中，状态空间为S，其中每个状态s∈S是机器给你知道的环境的描述；机器能采取的动作构成了动作空间A，若某个动作a∈A作用在当前状态s上，则潜在的转移函数P将使得环境从当前状阅读全文

posted @ 2018-11-13 13:53 Alan_Fire 阅读(1569) 评论(0) 推荐(0)

【Python量化投资】基于技术分析研究股票市场

摘要：一金融专业人士以及对金融感兴趣的业余人士感兴趣的一类就是历史价格进行的技术分析。维基百科中定义如下，金融学中，技术分析是通过对过去市场数据（主要是价格和成交量）的研究预测价格方向的证券分析方法。下面，我们着重对事后验证过去市场数据的研究，而不是过多低关注对未来股价变动的预测。我们选取的研究目标是阅读全文

posted @ 2018-11-13 13:52 Alan_Fire 阅读(557) 评论(0) 推荐(0)

机器学习该如何应用到量化投资系列（三）

摘要：《基于 MT-SVM 模型的市场预测》 • 由于 A 股市场并非完全有效以及市场具有的分形特征和记忆性，从理论上来说对股票市场一段时间内的市场趋势所发生的概率进行预测成为可能。 • 我们构建了 MT-SVM 预测模型来对市场涨跌方向进行预测。预测模型的参数主要用到宏观经济变量、技术指标变量以及市阅读全文

posted @ 2018-11-13 13:51 Alan_Fire 阅读(2715) 评论(0) 推荐(0)

机器学习该如何应用到量化投资系列（二）

摘要：前言深度学习技术在交易中的研究深度学习最近受到了很多关注，特别是在图像分类和语音识别领域。然而，它的应用似乎并没有广泛应用到交易当中。这项调查涵盖了到目前为止作者(Greg Harris)发现相关的系统交易。（点击阅读原文获取原文PDF）一些名词： DBN = Deep BeliefNetwo 阅读全文

posted @ 2018-11-13 13:50 Alan_Fire 阅读(816) 评论(0) 推荐(0)

机器学习该如何应用到量化投资系列（一）

摘要：有一些单纯搞计算机、数学或者物理的人会问，究竟怎么样应用 ML 在量化投资。他们能做些什么自己擅长的工作。虽然在很多平台或者自媒体有谈及有关的问题，但是不够全面和完整。从今日起，量化投资与机器学习公众号将推出一个系列【机器学习该如何应用到】。一、什么是机器学习机械的定义避开不谈，回答也不追求全面阅读全文

posted @ 2018-11-13 13:45 Alan_Fire 阅读(3551) 评论(0) 推荐(0)

ICML论文｜阿尔法狗CTO讲座： AI如何用新型强化学习玩转围棋扑克游戏

摘要：今年8月，Demis Hassabis等人工智能技术先驱们将来到雷锋网“人工智能与机器人创新大会”。在此，我们为大家分享David Silver的论文《不完美信息游戏中的深度强化学习自我对战》。本篇论文主要以扑克进行实验，探讨深度强化学习与普通强化学习相比的优势。研究此类游戏不只是可以让程序打赢人类阅读全文

posted @ 2018-11-13 10:32 Alan_Fire 阅读(958) 评论(0) 推荐(0)

李航教授展望自然语言对话领域：现状与未来

摘要：作者：李航字节跳动 AI Lab 原华为诺亚方舟实验室主任、现已加入字节跳动 AI Lab的李航教授近日发表博客，对自然语言对话领域的现状和最新进展进行总结，并展望了未来的走向。本文内容朴实，既重视整体格局和跨领域思维，又能着眼于现实条件，富有启发性。 1. 引言语音助手、智能客服、智能音箱、聊阅读全文

posted @ 2018-11-13 09:33 Alan_Fire 阅读(324) 评论(0) 推荐(0)

领英利用深度表征学习提升人才搜索和推荐系统

摘要：本文介绍了领英利用深度表征学习模型来提升人才搜索和推荐系统。领英征才解决方案（LinkedIn Talent Solutions，LTS）业务为领英贡献了大约 65% 的年收入，该业务方便职位提供者接触潜在应聘者，也方便求职者找到合适的工作机会。领英求职生态系统的设计方向是使其成为连接职位提供者和阅读全文

posted @ 2018-11-13 01:16 Alan_Fire 阅读(801) 评论(0) 推荐(0)

复现ICCV 2017经典论文—PyraNet

摘要： . 过去几年发表于各大 AI 顶会论文提出的 400 多种算法中，公开算法代码的仅占 6%，其中三分之一的论文作者分享了测试数据，约 54% 的分享包含“伪代码”。这是今年 AAAI 会议上一个严峻的报告。人工智能这个蓬勃发展的领域正面临着实验重现的危机，就像实验重现问题过去十年来一直困扰着心理学阅读全文

posted @ 2018-11-13 00:41 Alan_Fire 阅读(1794) 评论(2) 推荐(1)

TensorFlow系列专题（一）：机器学习基础

摘要：阅读全文

posted @ 2018-11-13 00:28 Alan_Fire 阅读(152) 评论(0) 推荐(0)

2018年11月11日

最强数据集50个最佳机器学习公共数据，可以帮你验证idea！

摘要： 1. 寻找数据集の奥义根据CMU的说法，寻找一个好用的数据集需要注意一下几点：数据集不混乱，否则要花费大量时间来清理数据。数据集不应包含太多行或列，否则会难以使用。数据越干净越好，清理大型数据集可能非常耗时。应该预设一个有趣的问题，而这个问题又可以用数据来回答。 2. 去哪里找数据集 Ka 阅读全文

posted @ 2018-11-11 10:50 Alan_Fire 阅读(584) 评论(0) 推荐(0)

2018年10月30日

了解强化学习，这一篇就够了！

摘要：强化学习是机器学习大家族中的一大类, 使用强化学习能够让机器学着如何在环境中拿到高分, 表现出优秀的成绩. 而这些成绩背后却是他所付出的辛苦劳动, 不断的试错, 不断地尝试, 累积经验, 学习经验. 从无到有强化学习是一类算法, 是让计算机实现从一开始什么都不懂, 脑袋里没有一点想法, 通过不断地阅读全文

posted @ 2018-10-30 17:23 Alan_Fire 阅读(1422) 评论(0) 推荐(0)

2018年10月22日

机器学习书籍推荐

摘要：机器学习(Machine Learning, ML)无疑是目前计算机领域最热门的方向了。机器学习专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习是阅读全文

posted @ 2018-10-22 11:08 Alan_Fire 阅读(1266) 评论(0) 推荐(1)

25个机器学习面试题，期待你来解答

摘要：机器学习有非常多令人困惑及不解的地方，很多问题都没有明确的答案。但在面试中，如何探查到面试官想要提问的知识点就显得非常重要了。在本文中，作者给出了 25 个非常有意思的机器学习面试问题，这些问题都没有给出明确的答案，但都有一定的提示。读者也可以在留言中尝试。许多数据科学家主要是从一个数据从业者的角阅读全文

posted @ 2018-10-22 00:44 Alan_Fire 阅读(252) 评论(0) 推荐(0)

观点 | 如何优雅地从四个方面加深对深度学习的理解

摘要：在今年的 ICML 上，深度学习理论成为最大的主题之一。会议第一天，Sanjeev Arora 就展开了关于深度学习理论理解的教程，并从四个方面分析了关于该领域的研究：非凸优化、超参数和泛化、深度的意义以及生成模型。 2017 年 12 月 NIPS 的 Test-of-Time Award 颁奖典阅读全文

posted @ 2018-10-22 00:24 Alan_Fire 阅读(543) 评论(0) 推荐(0)