人工智能
文章平均质量分 81
宽客在线
https://quant.la
展开
-
如何在Tensorflow.js中处理MNIST图像数据
数据清理是数据科学和机器学习中的重要组成部分,本文介绍了如何在Tensorflow.js(0.11.1)中处理MNIST图像数据,并逐行解释代码。 有人开玩笑说有80%的数据科学家在清理数据,剩下的20%在抱怨清理数据......在数据科学工作中,清理数据所占比例比外人想象的要多得多。一般而言,训练模型通常只占机器学习或数据科学家工作的一小部分(少于10%)。 ...转载 2018-09-17 10:40:18 · 950 阅读 · 0 评论 -
机器学习中那些必要又困惑的数学知识
现在很多想从事于机器学习的朋友都存在很多困惑,主要是很多相关的书看不懂,尤其是数学部分,机器学习的基础是数学。数学并非是一个可选可不选的理论方法,而是不可或缺的支柱。对于机器学习算法工程师而言,微积分、线性代数、概率论毫无疑问是需要掌握的。 为什么要强调数学?毫无疑问机器学习中数学是重要的,例如你需要:1.选择合适的算法,包括考虑精度、训练时间、模型的复杂性、参数和数量特征;2.选择参数...原创 2018-12-03 15:37:32 · 233 阅读 · 0 评论 -
机器学习应用在几种形态下落地的问题和参考架构
前言机器学习是人工智能研究领域的一个重要分支,近十年因为以深度学习为代表的研究方向在图像识别,语音识别,文本翻译及深度强化学习在围棋等游戏应用中的重大突破而又重新兴起,变成新的技术浪潮。但是机器学习还没有达到实现人工智能的阶段,无法像人一样快速学习新技能,掌握新领域,进行创造性活动。机器学习还仅仅是弱人工智能,即在特定领域,在给定的业务问题边界,充分的数据支撑条件下,通过专家的特征工程和面向业务...转载 2018-12-05 17:46:37 · 306 阅读 · 0 评论 -
机器学习的前期入门汇总
机器学习机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之...转载 2018-12-08 17:49:22 · 364 阅读 · 0 评论 -
小白机器学习基础算法学习必经之路(上)
常见的机器学习算法以下是最常用的机器学习算法,大部分数据问题都可以通过它们解决:1.线性回归 (Linear Regression)2.逻辑回归 (Logistic Regression)3.决策树 (Decision Tree)4.支持向量机(SVM)5.朴素贝叶斯 (Naive Bayes)6.K邻近算法(KNN)7.K-均值算法(K-means)8.随机森林 (Rando...原创 2018-12-06 17:07:43 · 381 阅读 · 0 评论 -
小白机器学习基础算法学习必经之路(下)
我们在上文小白机器学习基础算法学习必经之路(上)简述了线性回归 (Linear Regression) ,逻辑回归 (Logistic Regression) ,决策树 (Decision Tree) ,支持向量机(SVM) ,朴素贝叶斯 (Naive Bayes) 现在我们接着继续学习另五个算法: K邻近算法(KNN)k-NN算法是最简单的分类算法,主要的思想是计算待分类样本与训练样本之间...原创 2018-12-07 16:20:02 · 288 阅读 · 0 评论 -
“入乡随俗,服务为主” 发明者量化兼容麦语言啦!
5年时光我们裹挟前行。发明者量化从筚路蓝缕到步履蹒跚,从以“区块链资产交易”为阵地,再到以“内外盘商品期货”为依托。再到今天全面兼容“麦语言”。每一步,我们始终都在为建立一个优秀的量化交易平台而努力。什么是麦语言?所谓的麦语言就是从早期的股票技术指标延伸出来的一套程序化函数库。把算法封装到一个个函数里,用户只需要像“积木式”的调用这一行行函数,实现策略逻辑。 为什么要兼容麦语言?...原创 2018-12-11 17:10:40 · 2068 阅读 · 0 评论 -
策略程序的一般架构
策略程序的一般架构、一个策略框架策略的一般架构在发明者量化教程 2.6 期货 章节 我们已经初步使用了CTP商品期货常用的程序架构(轮询式)function MainLoop(){ // 处理具体工作的函数 // deal Main task}function main() { var status = null; while(true){ ...原创 2019-01-03 16:54:24 · 3414 阅读 · 0 评论 -
机器学习应用在几种形态下落地的问题和参考架构
前言机器学习是人工智能研究领域的一个重要分支,近十年因为以深度学习为代表的研究方向在图像识别,语音识别,文本翻译及深度强化学习在围棋等游戏应用中的重大突破而又重新兴起,变成新的技术浪潮。但是机器学习还没有达到实现人工智能的阶段,无法像人一样快速学习新技能,掌握新领域,进行创造性活动。机器学习还仅仅是弱人工智能,即在特定领域,在给定的业务问题边界,充分的数据支撑条件下,通过专家的特征工程和面向业务...转载 2019-01-10 17:34:31 · 660 阅读 · 0 评论 -
机器学习——常用排序算法总结
我们通常所说的排序算法往往指的是内部排序算法,即数据记录在内存中进行排序。排序算法大体可分为两种:一种是比较排序,时间复杂度O(nlogn) ~ O(n^2),主要有:冒泡排序,选择排序,插入排序,归并排序,堆排序,快速排序等。另一种是非比较排序,时间复杂度可以达到O(n),主要有:计数排序,基数排序,桶排序等。这里我们来探讨一下常用的比较排序算法,非比较排序算法将在下一篇文章中介绍。...转载 2018-12-01 17:38:56 · 1293 阅读 · 0 评论 -
学习SVM(五)理解线性SVM的松弛因子
原文链接:学习SVM(五)理解线性SVM的松弛因子先说一个事引出这个博客的内容,我最近投的一篇论文被拒稿,用到的方法使SVM(很惭愧,还在用20年前的算法,当然这并不是重点),审稿意见里面有一段话是这样说的(说的很中肯):“该方法本身的特点来看就很难达到100%正确率”,当然这并不是说SVM无法做到100%,我理解的很难达到的原因就是在于SVM算法本身的松弛因子的引入。为什么要引入...转载 2018-09-10 10:43:39 · 655 阅读 · 0 评论 -
PaddlePaddle之数据预处理
阅读原文PaddlePaddle的基本数据格式根据官网的资料,总结出PaddlePaddle支持多种不同的数据格式,包括四种数据类型和三种序列格式: 四种数据类型:dense_vector:稠密的浮点数向量。sparse_binary_vector:稀疏的二值向量,即大部分值为0,但有值的地方必须为1。sparse_float_vector:稀疏的向量,即大部分值为0,但有值的部分...转载 2018-09-19 10:17:21 · 2547 阅读 · 0 评论 -
交易中的数理,你关心的都在这里!
「交易是一门艺术,事关对经济的分析、政策的判断、人性的理解;又是一门严谨的科学,事关随机微积分、概率统计、优化理论。本文从量化金融的起源开始,还原整个体系的建立、发展与完善的历史过程,带你走进算法金融的世界……」算法本身千差万别,难以一概而论。常见的有以均价为基准的 VWAP;通过固定时间间隔执行的 TWAP; 趋势跟随的 momentum trader 等等。如果你自己编一个根据 MACD,...原创 2018-09-15 09:15:39 · 553 阅读 · 0 评论 -
源码 | 幽灵交易者策略
NO1 . 前言正如幽灵交易者的名字,该策略的核心思路是,在真实下单交易之前,先虚拟出一个交易,如果这个虚拟的交易是亏损的,那么下一次才启动真实的交易。NO2 . 策略简介该策略思路源自于交易者的观察,交易者从自己的交易记录中发现,如果上一次交易是盈利的,那么下一次交易亏损的概率比较大。因此在设计策略时,人为的控制了这些可能会亏损的交易。具体在策略中,我们将引入虚拟交易和与之对应的真实...转载 2018-09-27 09:32:00 · 634 阅读 · 0 评论 -
用Spark学习矩阵分解推荐算法
转/宽客在线在矩阵分解在协同过滤推荐算法中的应用中,我们对矩阵分解在推荐算法中的应用原理做了总结,这里我们就从实践的角度来用Spark学习矩阵分解推荐算法。1.Spark推荐算法概述在Spark MLlib中,推荐算法这块只实现了基于矩阵分解的协同过滤推荐算法。而基于的算法是FunkSVD算法,即将m个用户和n个物品对应的评分矩阵M分解为两个低维的矩阵:其中k为分解成低维的维数,一般远...转载 2018-10-08 10:52:59 · 441 阅读 · 0 评论 -
使用LSTM预测股票市场基于Tensorflow
前言在本文开始前,作者并没有提倡LSTM是一种高度可靠的模型,它可以很好地利用股票数据中的内在模式,或者可以在没有任何人参与的情况下使用。写这篇文章,纯粹是出于对机器学习的热爱。在我看来,该模型已经观察到了数据中的某些模式,因此它可以在大多数时候正确预测股票的走势。但是,这个模型是否可以用于实际,有待用更多回测和实践去验证。为什么需要时间序列模型?你想要正确地模拟股票价格,因此作为股票买家...原创 2018-10-18 10:59:33 · 6949 阅读 · 1 评论 -
Matlab编程之——卷积神经网络CNN代码解析
卷积神经网络CNN代码解析deepLearnToolbox-master是一个深度学习matlab包,里面含有很多机器学习算法,如卷积神经网络CNN,深度信念网络DBN,自动编码AutoEncoder(堆栈SAE,卷积CAE)的作者是 RasmusBerg Palm今天给介绍deepLearnToolbox-master中的CNN部分。DeepLearnToolbox-master...原创 2018-10-19 16:10:59 · 1539 阅读 · 0 评论 -
STOCHRSI 指标理解
STOCHRSI 指标理解这几天帮一个朋友解决一个关于指标的问题 ,这个指标就是 STOCHRSI 。在网上查了很多资料,中文的真是甚少。而且仅有的也不是讲的很清楚。对于我这样的交易小白,简直是天书。 不过只要研究多少会有点收获的,下面分享下经验,需要用这个的朋友可以借鉴。在网上找到了一些 关于这个指标的计算公式。/*LC := REF(CLOSE,1); //REF(C,1) 上一周期...原创 2018-11-06 09:17:29 · 20029 阅读 · 0 评论 -
K近邻算法的Python实现
作为『十大机器学习算法』之一的K-近邻(K-Nearest Neighbors)算法是思想简单、易于理解的一种分类和回归算法。今天,我们来一起学习KNN算法的基本原理,并用Python实现该算法,最后,通过一个案例阐述其应用价值。 KNN算法的直观理解它基于这样的简单假设:彼此靠近的点更有可能属于同一个类别。用大俗话来说就是『臭味相投』,或者说『近朱者赤,近墨者黑』。 它并未试图建立一个...原创 2019-01-07 17:26:35 · 3663 阅读 · 0 评论