牛犁heart

2020年6月11日

摘要： SVM回归任务是限制间隔违规情况下，尽量防止更多的样本在“街道”上。“街道”的宽度由超参数$\epsilon$控制在随机生成的线性数据上，两个线性SVM回归模型，一个有较大的间隔（$\epsilon=1.5$），另一个间隔较小（$\epsilon=0.5$），训练情况如下：代码如下：造阅读全文

posted @ 2020-06-11 22:09 牛犁heart 阅读(1628) 评论(0) 推荐(0)

非线性支持向量机分类

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(695) 评论(0) 推荐(0)

2020年6月10日

建立股票池

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(695) 评论(0) 推荐(0)

市盈率指标EP在A股市场的分析

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(2619) 评论(0) 推荐(0)

如何计算股票的收益

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(830) 评论(0) 推荐(0)

一个低PE的股票池--选股策略

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(965) 评论(0) 推荐(0)

2020年6月9日

线性支持向量机分类

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(797) 评论(0) 推荐(0)

2020年5月31日

字符识别--模型集成

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(348) 评论(0) 推荐(0)

2020年5月30日

字符识别--模型的训练与验证

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(958) 评论(0) 推荐(0)

2020年5月26日

字符识别--字符识别模型

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(928) 评论(0) 推荐(0)

Stay Hungry，Stay Foolilsh

公告