摘要：
处理非线性数据时，线性回归中，通过对特征数据进行加权获得新的特征（通过sklearn.preprocessing 中的PolynomialFeatures），实现对非线性数据的分类。同样在SVM中对非线性分类也可同样采用此方法。 在sklearn提供的卫星数据集来进行测试。创建一个流水线（Pipel 阅读全文
posted @ 2020-06-11 21:37
牛犁heart
阅读(729)
评论(0)
推荐(0)
摘要：
股票池就是股票的蓄水池，是自己的能力圈，对于高频投资来说，建立自己的股票池非常重要。 ###一、什么是股票池？ 股票池是投资者的股票蓄水池，通过分析筛选把需要关注的股票放在这个池子里，并跟踪关注他们基本面和估值的变化，从而更容易抓住良好的建仓机会。 ###二、如何建立股票池？ ####选择市场和基本 阅读全文
posted @ 2020-06-10 12:02
牛犁heart
阅读(816)
评论(0)
推荐(0)
摘要：
###因子经济金融特性 EP因子即市盈率因子，常被投资者使用的几个估值因子之一。一般使用PE，即Price to Earning， 维基百科上的解释：市盈率指每股市价除以每股盈利(Earning Per Share, EPS)，通常作为股票是便宜抑或昂贵的指标(通货膨胀会使每股收益虚增，从而扭曲市盈 阅读全文
posted @ 2020-06-10 11:16
牛犁heart
阅读(3035)
评论(0)
推荐(0)
摘要：
股票的收益率是反映股票收益水平的指标，那股票亏损如何来计算呢？可通过一下公式： \(利润率= \frac{(卖出价 - 买入价 )}{买入价} *100\%\) \(利润率=\frac{(卖出总金额-买入总金额)}{买入总金额}*100\%\) 举例： 假如以10.00元的价格买入某只股票，15.0 阅读全文
posted @ 2020-06-10 10:34
牛犁heart
阅读(866)
评论(0)
推荐(0)
摘要：
EP因子即市盈率因子，常被投资者使用的几个估值因子之一。一般使用PE，即Price to Earning,维基百科上的解释：市盈率指每股市价除以每股收益盈利（Earning Per Share,EPS）,通常作为股票是便宜抑或昂贵的指标（通货膨胀会使每股收益虚增，从而扭曲市盈率的比较价值）。市盈率把 阅读全文
posted @ 2020-06-10 10:16
牛犁heart
阅读(1068)
评论(0)
推荐(0)
摘要：
支持向量机（SVM）能够做线性或非线性的分类、回归，甚至异常值检测。SVM特别适合应用于复杂但中小规模数据集的分类问题。 ###线性支持向量机分类 依旧以鸢尾花数据集为例，如图，有两个种类能够被非常清晰的、非常容易的用一条直线分开（即线性可分的）。左边显示了三种可能的线性分类器的判定边界，其中虚线表 阅读全文
posted @ 2020-06-09 21:45
牛犁heart
阅读(831)
评论(0)
推荐(0)
摘要：
本节主要讲解如何使用集成学习来提高预测的精度 ###集成学习方法 在机器学习中的集成学习可以在一定程度上提高预测精度，常见的集成学习方法有Stacking、Bagging和Boosting，同时这些集成学习方法于具体验证集划分联系密切。 由于深度学习模型一般需要较长的训练周期，如果硬件设备不允许，建 阅读全文
posted @ 2020-05-31 11:43
牛犁heart
阅读(368)
评论(0)
推荐(0)
摘要：
一个成熟合格的深度学习训练过程至少具备以下功能： 在训练集上训练，并在验证集上进行验证 模型可以保存最优的权重，并读取权重 记录训练集和验证集的精度，便于调参 本节将构建验证集、模型训练和验证、模型保存与加载和模型调参等几个部分 ###构造验证集 在机器学习模型（特别是深度学习模型）的训练过程中，模 阅读全文
posted @ 2020-05-30 21:01
牛犁heart
阅读(1014)
评论(0)
推荐(0)
摘要：
这一节主要开始构建一个字符识别模型，基于赛题理解，本章将构建一个定长多字符分类模型 工欲善其事必先利其器，首先来了解下pytorch与TensorFlow。（本比赛主要用到pytorch框架用于解决这个问题） ###PyTorch基本结构 pytorch主要分为以下几个模块来训练模型： tensor 阅读全文
posted @ 2020-05-26 12:35
牛犁heart
阅读(958)
评论(0)
推荐(0)
摘要：
###图像读取 ####1、Pillow（python图像处理库（Python Imaging Library），简称：PIL）：参考 #####用途 图像档案 python图像库是图像存档和批处理应用程序的理想选择。可以使用该库创建缩略图、在文件格式之间转换、打印图像等 图像显示 当前版本（7.0 阅读全文
posted @ 2020-05-22 22:59
牛犁heart
阅读(714)
评论(0)
推荐(0)
浙公网安备 33010602011771号