- 博客(12)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 链式法则求导的原则和梯度回传
一、链式法则简化的原则复杂运算的简化；定义基本算子为加、减、乘、除、幂以及其他[简单函数]（如sin,tan……）(https://zhuanlan.zhihu.com/p/63265208)；假如一个运算包含多个算子，那么精简的原则就是怎么把复杂的多算子运算，转换为单一的算子的一次运算，或者其他的一元简单函数，这种精简包含两个特征（1）多算子简化为单一算子或者单一的简单函数；（2）单一算子或简单函数必须仅运行1次；（3）如果简化为加、减、乘、除，简化后的自变量最多两个，至少1个；（4）如果简.
2022-07-04 14:57:27
1789
2
原创 Pyomo——Optimization Modeling in Python, Second Edition,pdf下载
Pyomo — Optimization Modeling in Python.pdf下载链接: https://pan.baidu.com/s/1hRiH4-FysqjIvEZwOtKvSg提取码: hee7
2021-02-22 13:24:01
511
2
原创 状态空间MCMC论文笔记
论文一：模拟案例yt=nt∗ctnt=a+nt−1+wtct=a1ct−1+a2ct−2+vty_t = n_t*c_t\\n_t =a+n_{_{t-1}} + w_{_t}\\ c_t=a_{_1}c_{_{t-1}}+a_2c_{_{t-2}}+v_t\\yt=nt∗ctnt=a+nt−1+wtct=a1ct−1+a2ct−2+vt理论推导（一）整体思想令y⃗T=[y1,y2,...,yn]′\vec{y}_{_T}=[y_1,y_2,...,y_n]
2020-09-23 16:46:55
563
原创 模型预测误差分解——偏差、方差
模型泛化误差分解要弄清楚几件事：1.误差分解是什么。1.模型有什么要求；2.什么是泛化误差？3.分解，怎么分解，为什么要分解。针对上述问题，一个一个的剖析： 1.什么是泛化误差 机器学习中利用历史样本和算法学习一个预测模型，这个预测模型在样本外的预测效果是我们非常关注的，样本外的预测效果就是泛化误差，即泛化误差是选取测试集，在测试集上对比预测值和真实值的差距，这个差距就是误差，具体度量方式有很多中，比如欧式距离，一阶范数（绝对值），这里泛化误差分解中误差是用欧式距离度量的（至于为什么不采用map
2020-09-23 15:53:31
9265
1
原创 tensorflow的tf.identity的函数理解
tensorflow中变量的定义tf.identity是tensorflow定义变量的一种方法，要理解tf.identity首先要理解tensorflow中定义变量的方法：直接定义法tf.Variable：x = tf.Variable(1.0,name='x')tf.get_variable法tf.get_variable不仅仅可以定义一个新变量，而且还可以用于获取已经定义的变量，相当于c++里的变量声明；x = tf.get_variable("x",1.0)tensor操作
2020-09-02 12:14:56
6111
原创 利用setuptools打包python的方法——笔记
setuptools就是比distutils好用，所以，在实际工作中，如果需要打包python代码，基本上都用setuptools，并且实现了自己的一套模板，基本可以通用，现在把这个模板记录下来：首先必须写一个setup.py脚本：# -*- coding:utf-8 -*-from setuptools import setupfrom setuptools import find_packagesimport osdef strip_comments(path): """也可以使
2020-06-01 14:43:56
704
原创 Agent Inspired Trading Using Recurrent Reinforcement Learning and LSTM Neural Networks论文解析
为什么要翻译这篇文章 本人利用DNN和RNN做了深度强化学习的策略，本质上是一个基于策略梯度的强化学习，翻看这个作者的论文发现，核心思路是一模一样的，差别在于细节的处理，先说说和作者的相似之处：用神经网络来表示一个确定性策略；状态空间是一个连续的，从神经网络的角度来讲，就是所谓的特征。这样做必须要解决的问题就是把状态到动作的映射变成一个连续可导的函数，由于在交易中，我们有最小交易单位，比如一手，你总不能交易1.5手把，所以，我们的动作往往是离散的，需要用技术手段，将其连续化，这就是与作者第二个相
2020-05-29 15:08:51
909
原创 强化学习的理解：基于概率测度（一）
强化学习本质 强化学习的本质是定义在一系列概率测度集合上的函数，我们可以把概率测度所构成的集合抽象出来，只要给出回报函数，这个回报函数的定义域就是测度函数集合，也就是泛函。为了构建直接的策略迭代法，我们先构建概率测度集合所构成的空间，希望在空间上引入计算，这样就可以按照初等函数的优化方法，来解决强化学习的优化问题。这里举一个浅显的例子：假设让10个人预测股票涨跌，每个人都会给出股票涨和不涨的概率，可以理解为同一件事，我们有10个不同的概率测度，那么假设给定一段时间，每天判断一次，我们需要选择出一
2020-05-29 14:58:21
900
翻译 bentoml部署深度学习模型（一）
核心概念（Core Concepts）BentoML的主要思想是，数据科学团队应该能够以易于测试、易于部署和易于集成的方式发布他们的模型。为了做到这一点，需要帮助数据科学家开发一个构建和发布预测服务的工具，而不是将经过pickle的模型文件或Protobuf文件上传到服务器上。bentoml.BentoService公司是使用BentoML构建此类预测服务的基类。bentoml是用于创建预测服务的基类，这里给出一个最简单的部署案例：import bentomlfrom bentoml.handlers
2020-05-29 14:46:36
2805
原创 fbprophet案例之python实现
fbprophet案例之python实现目的1.正弦波和矩形波叠加1.1 数据生成过程1.2 数据模拟的python代码目的给出一个模拟的时间序列，验证下fbpropeht的精度，以及尝试下如何调参；1.正弦波和矩形波叠加1.1 数据生成过程生成一个频率为15分钟的时间序列，其中每一天的数据是一个正弦波，如果是周末，则需要在正弦波上加1，非周末加0，即正弦波的周期是96，矩形波的周期是9...
2020-03-23 17:33:34
1858
1
原创 fbprophet论文翻译：Forecasting at Scale
prophet论文翻译prophet论文翻译3.1.1 Nonlinear, Saturating Growth功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表F...
2020-03-23 14:32:18
1944
原创 全国新型冠状病毒累计感染数预测
春节无所事事，做了篇关于新冠状肺炎的预测模型，预测标的是全国累计感染病例，模型采用2020-01-21到2020-01-29的数据作为训练集，利用皮尔生长曲线，结合贝叶斯估计，对当前的全国新型冠状病毒累计感染数做出预测。结论：预测2020-01-30的全国累计感染总数为10459例；2020-02-11号预测感染人数达到了最大值，即预测当体全国累计感染人数为42526例；每日新增人数在2月3日达到了最大，即预测那一天新增4379例感染者，后期的新增感染病例逐步降低，直到为0。病毒感染可看做是病毒这种生物繁衍
2020-01-30 22:39:25
9656
8
Agent Inspired Trading Using Recurrent.pdf
2020-05-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人