- 博客(10)
- 收藏
- 关注
RSS订阅原创 麒麟v10sp2安装docker教程
若重启Docker失败，则需仔细检查以上安装步骤和相关配置是否正确，另外可重启服务器，避免配置操作的失误而导致进程混乱占用配置文件等问题，Docker启动正常后才可继续下一步操作。第一遍运行systemctl status docker的时候Docker的加载状态为error，因为配置的docker.service服务尚未启动。，按“Enter”保存并退出编辑。，按“Enter”保存并退出编辑。按“i”进入编辑模式，编辑文件内容如下。按“i”进入编辑模式，编辑如下内容。重启服务器后，修改的配置文件生效。
2023-12-18 17:25:55
716
1
原创 现代新金融风控体系
文章目录1量化风控体系的风险板块2挑战与机遇3量化风控的政策关注点4不同应用场景下的量化风控政策设定1量化风控体系的风险板块关于风控市场上比较关注的几种风险类型，可以参照「巴塞尔协议」。「巴塞尔协议III」主要涉及以下几种风险类型：信用风险：信用风险是指由于信用活动中存在的不确定性而导致银行遭受损失的可能性，确切地说，是所有因客户违约而引起的风险。市场风险：市场风险通常是由金融资产的价格变化而产生的，市场风险一般又可分为利率风险、汇率风险等。流动性风险：狭义的流动性风险是指商业银行没有足够的现金来
2022-04-21 08:53:36
792
原创 python去除水印
值得注意的是：如果安装fitz报错，请直接pip install PymuPDF包，即可直接运行代码。先将pdf转换为图片在转化为pdf，感觉图片比pdf清晰。# -*- coding:utf-8 -*-# @Time : 2022-04-20# @Author : riskfrom PIL import Imagefrom itertools import productimport fitz# 去除pdf的水印def remove_pdfwatermark(): #打开
2022-04-20 15:42:29
930
原创 西瓜书之神经网络
文章目录双层感知机解决非线性可分（异或）问题BP算法原理推导+数据演示原理推导反向传播的计算数据演示BP算法缺陷与改进代码双层感知机解决非线性可分（异或）问题BP算法原理推导+数据演示原理推导第一层网络的参数因为该网络要解决的是一个二分类问题，所以输出层的激活函数可以使用一个Sigmoid型函数反向传播的计算很好的推导例子: https://blog.csdn.net/weixin_39441762/article/details/80446692.我们已经了解了数据沿着神经网络前向传
2022-03-15 17:31:45
642
原创 psi原理
文章目录Part 1. 稳定性的直观理解Part 2. 对数ln理解Part 3. 推导PSI公式之KL散度Part 3. 推导PSI公式之KL散度之信息熵Part 1. 稳定性的直观理解在日常生活中，我们可能会看到每月电表、水表数值的变化。直观理解上的系统稳定，通常是指某项指标波动小，指标曲线几乎是一条水平的直线。此时，我们就会觉得系统运行正常稳定，很有安全感。那么在风控中我们也有群体稳定性指标（Population Stability Index，PSI）来展示模型的稳定性。如PSI反映了验证样本
2022-03-13 11:44:16
2713
原创 决策树原理与代码
文章目录原理ID3C4.5CART原理决策树是一种机器学习的方法。决策树的生成算法有ID3, C4.5和C5.0等。决策树是一种树形结构，其中每个内部节点表示一个属性上的判断，每个分支代表一个判断结果的输出，最后每个叶节点代表一种分类结果。ID3由增熵（Entropy）原理来决定那个做父节点，那个节点需要分裂。对于一组数据，熵越小说明分类结果越好。Entropy＝- sum [p(x_i) * log2(P(x_i) ]当分裂父节点时，分裂有很多选择，针对每一个选择，与分裂前的分类错误率比较，留下
2022-03-13 11:43:58
962
原创 朴素贝叶斯
文章目录贝叶斯示例用途代码贝叶斯贝叶斯原理与其他统计学推断方法截然不同，它是建立在主观判断的基础上：在我们不了解所有客观事实的情况下，同样可以先估计一个值，然后根据实际结果不断进行修正。// 统计学 比如， **已知客观存在一个袋子里5个球， 3个黑球，2个白球**，随便从里面拿出一个，问，是黑球的概率？。 这时候，立即答：3/5。*P(B|A)=P(B)P(A|B)P(A)我们把P(B)称为”先验概率”（Prior probability），即在A事件发生之前，我们对B事件概率的一个判断。
2022-03-13 11:43:40
338
原创 极大似然估计
文章目录示例似然与概率问题引出求解极大似然函数示例很好的例子似然与概率概率：已知模型参数，推测实验结果。（已知硬币是标准的，那么正面朝上概率为0.5）。概率函数：P(x|θ \thetaθ) ， θ \thetaθ为模型参数已知，x为实验结果未知。似然：已知实验结果，推测模型参数。（已知正面朝上次数基本占比50%，那么推测硬币是标准的）。似然函数：P(x|θ \thetaθ) ，x为实验结果已知， θ \thetaθ为模型参数（待估计）未知。问题引出贝叶斯——在实际问题中并不都是这样幸运
2022-03-13 11:43:06
155
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人