1.1问题导向框架
实际问题: 目的是什么?有什么数据?希望得到什么结论?
模型/方法: 现有可用的一些方法工具箱,其中可以分为三大类(监督学习、无监督学习、强化学习)
解决方案: 生成一份分析报告或者是某个分析处理数据的软件、
建模过程: 实际问题和需求转化为能用数学和统计语言描述的问题,并从模型集方法集中找到合适求解该问题的方法
实现过程: 编程实现,具体到某个实际状况的处理方法
⚠️垃圾邮件识别和量化交易投资这两件事有着很大的不同:
1、垃圾邮件识别中:实际问题是根据电子邮件信息(标题、内容、发送者)识别垃圾邮件并过滤垃圾邮件,模型/方法 可以使用监督学习(比如SVM、回归等),解决方案是在电子邮件中嵌入一个小程序,建模过程包括特征的生成、选取、模型选择和评估。
2、量化交易:实际问题是根据资本市场的历史信息(股价、财报等)判断未来一段时间的走势,给出交易信号或者投资组合策略从而获得稳定的正收益,模型/方法 可以使用监督学习或者强化