kongyanyang-CSDN博客

原创 DAY14

我擦，为什么我的室友会花半小时从凌晨1:00到1:35涂化妆品，整理书包，上厕所，喝水，脱衣服，真的不理解，真的要这么拖沓吗？第二天不是要6:30起床吗？一句话，我的黑眼圈全拜她所赐~~~~ 又被吵醒了！！

2013-11-04 01:36:45 296

昨天有没有写博客，不过倒是有学习。昨天主要看了Machine Learning for Hackers一书，主要看了Cha3的邮件分类问题，主要是区别正常邮件和垃圾邮件。这里的使用的方法很简单，用了朴素贝叶斯分类器（Naive Bayesian Classifier)，操作平台式R，用的主要软件包是tm(text mining)和ggplot2。tm软件包主要是用在文本信息挖掘的，ggplot2主

2013-10-31 10:54:25 537

原创 DAY11

申请一事真的很繁琐，而我似乎还没做过什么。刚刚失恋的我又遭遇了重感冒，倍受打击之下仓皇地逃回了家，是的，我不知所措，我也不知向谁倾吐我的烦恼和忧愁。。

2013-10-29 22:34:59 310

原创 DAY 9

今天是第九天了，也是我情绪最低落的一天，昨天又遭受了GRE的重大打击。原以为近期没有背单词、做阅读也能维持原来的水平——可是事实并不是这样的~~ 这次Verbal的成绩真的是惨不忍睹，比我第一次考试还烂，竟然只有147分，实在是unacceptable~ 大部分时间都在准备作文，作文到倒是写的很顺手，文章字数也多，逻辑严密，行文也还算流畅。数学比以往考得难，但是还算是简单。最近真的是人品

2013-10-27 23:43:42 290

原创 DAY7

前天和昨天又堕落了，期间做了一些GRE的练习题，看了一些数据库的知识。今天写了不少文章。 PO一个Issue和Argument吧~Issue: Educational institutions have a responsibility to dissuade students from pursuing fields ofstudy in which they are unlikely

2013-10-25 21:42:28 417

原创 DAY4

今天在机器学习的讨论课上，主要学习了计算学习理论和基于实例的学习这两章。主要了解了PAC问和 k-近邻算法以及它的一些变化，局部加权回归和径向基函数。不知道是不是翻译的原因，整本书在理论的书写部分给我的感觉是冗长枯燥，生涩难懂，一些很简单的描述说法被文字刻画地十分生硬，增加了阅读的难度；相对到公式的部分就理解起来j相当容易，感觉很多理论对学习没有什么帮助，所以我今天入手了一本《机器学习：实例与分析

2013-10-23 01:00:40 400

原创 DAY3

觉得昨天真的又是故态重萌了，窝在寝室什么都没有做成，呆呆地睡了午觉，呆呆地摆弄着电脑看着无赖哦的新闻，晚上做完瑜伽又困得不行，真的对自己好失望，但是我还是要重新开始我的朱莉265天的记录，这是我改掉臭毛病的最后时刻，也是最为关键的时刻。昨天看了学校，发现还是有一些学校的统计系不需要SUB成绩的，这令我稍稍感到一些安慰。所以觉得真的应该把握一些机会，这也是最后可行的一些机会，我希望自己不要错过。昨

2013-10-22 08:06:21 277

原创 DAY 2

今天上午我主要看了多元统计中的多元正态总体的参数估计，主要看的了 Wishart分布，Hotelings分布这两块，做了两道极大似然估计的题目，觉得多元处理起来还是较一维的复杂的多。目前还没搞懂一个问题：为什么Hotellings分布可以转化为F分布？主要是有一个证明步骤没想明白，估计明天得问问别人。晚上看了机器学习的ANN，读起来还是相当顺利，也非常喜欢，觉得就是在用最简

2013-10-21 01:15:12 921

原创 DAY 1

记得《朱莉和茱莉亚》的那部电影里面，女主人公朱莉为自己定下了做365天做524道菜的任务，并天天在博客上写自己的完成情况和心得体会。她的生活由无趣、平庸渐渐走向了多彩和惊喜不断，这之间也产生了好多困难、阻碍和矛盾，最后朱莉完成了524道菜，也从中领会到了许多自己原不能理解的东西，包括如何看待别人的想法，甚至是心目中的偶像的想法，如何找寻自己的定位，如何面对生活的一些不满。看完之后，除了有似乎饕餮法

2013-10-19 21:59:42 463

原创 Deep learning

http://deeplearning.net/deep-learning-research-groups-and-labs/

2013-10-19 21:59:10 306

MATLAB神经网络30个案例分析

《MATLAB神经网络30个案例分析》一书详细地介绍了神经网络的基础知识，并且用了30个例子讲解利用MATLAB解决神经网络的预测问题。

2014-08-15

Statistical Models and Methods for Financial Markets

This book presents statistical methods and models of importance to quantitative finance and links finance theory to market practice via statistical modeling and decision making Part I provides basic background in statistics which includes linear regression and extensions to generalized linear models and nonlinear regression multivariate analysis likelihood inference and Bayesian methods and time series analysis It also describes applications of these methods to portfolio theory and dynamic models of asset returns and their volatilities Part II presents advanced topics in quantitative finance and introduces a substantive empirical modeling approach to address the discrepancy between finance theory and market data It describes applications to option pricing interest rate markets statistical trading strategies and risk management Nonparametric regression advanced multivariate and time series methods in financial econometrics and statistical models for high frequency transactions data are also introduced in this connection The book has been developed as a textbook for courses on statistical modeling in quantitative finance in master"s level financial mathematics or engineering and computational or mathematical finance programs It is also designed for self study by quantitative analysts in the financial industry who want to learn more about the background and details of the statistical methods used by the industry It can also be used as a reference for graduate statistics and econometrics courses on regression multivariate analysis likelihood and Bayesian inference nonparametrics and time series providing concrete examples and data from financial markets to illustrate the statistical methods ">This book presents statistical methods and models of importance to quantitative finance and links finance theory to market practice via statistical modeling and decision making Part I provides basic background in statistics which includes linear regression and extensions to generalized linear mode [更多]