- 博客(41)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 OpenAI Whisper and ChatGPT 语音助手
ChatGPT 、Whisper、gtts实现语音助手，利用gradio生成webui
2023-03-03 13:44:45
5403
2
原创 字符串匹配算法——Leetcode 28 实现strstr
一、暴力解法class Solution: def strStr(self, haystack: str, needle: str) -> int: for i in range(len(haystack)-len(needle)+1): #if haystack[i:i+len(needle)] == needle: for j in range(len(needle)): if haystac
2022-04-08 00:27:25
197
原创 线性排序算法 —— LeetCode164 最大间距
LeetCode164 最大间距一、自带sort 324ms 排序后遍历二、基数排序 1212ms 排序后遍历三、分桶+min+max 612ms四、桶排序 736ms五、补充计数排序一、自带sort 324ms 排序后遍历class Solution: def maximumGap(self, nums: List[int]) -> int: nums.sort() res = 0 for i in range(1,len(nums)):
2022-04-05 15:16:10
495
原创 自学神经网络系列—— 9 卷积神经网络CNN
卷积神经网络1 卷积神经网络背景2 卷积神经网络的基础知识2.1 卷积2.2 卷积神经网络结构2.3 卷积核的填充和步幅3 卷积神经网络的学习3.1 卷积的导数3.2 反向传播算法4 其他卷积1 卷积神经网络背景CNN（Convolution Neural Network）是一种包含卷积层、池化层的前馈神经网络，主要用于处理图像信息、文本信息。卷积神经网络用于处理图像，旨在解决全连接神经网络参数过多的问题。例如将一个1000像素的彩色图像展开1000×1000×3=3M维的向量，假设隐藏层大小为10
2022-02-16 19:57:50
1058
1
原创 自学神经网络系列 —— 8 前馈神经网络
8 前馈神经网络1 前馈神经网络结构1.1 网络结构1.2 网络模型2 前馈神经网络参数的学习2.1 目标函数2.2 梯度下降3 误差反向传播算法4 tensorflow中自动梯度计算原理5 深度学习中的非凸优化阅读文章之前需要了解的内容见前馈神经网络前置知识这篇文章，主要包括感知机算法、激活函数等知识，下面主要介绍前馈神经网络的内容，主要有：8.1 前馈神经网络结构8.2 神经网络参数的学习8.3 误差反向传播算法8.4 tensorflow中自动梯度计算原理8.5 机器学习或者深度学习中的
2022-02-15 23:15:27
1204
原创 自学神经网络系列——7 前馈神经网络前置知识
7 全连接神经网络 总结一 感知机算法1 模型形式2 线性分类器3 存在问题4 python实现（1）与门（2）与非门（3）或门5 多层感知机解决异或问题二 神经网络结构1 常见的激活函数（1）sigmoid 激活函数（2）Tanh激活函数（3）Relu激活函数（4）Leaky Relu（5）Softplus激活函数（6）其他激活函数2 网络结构（1）前馈神经网络（2）循环神经网络（3）图神经网络一 感知机算法1 模型形式z=∑i=0Dwdxd+bz = \sum_{i=0}^D w_dx_d+
2022-02-14 20:36:39
1659
原创 自学机器学习系列——1 机器学习基本框架
机器学习基本框架1 机器学习基本思路1.1 模型选择1.2 模型评价2 常见的机器学习方法2.1 广义线性模型2.2 线性判别分析和二次判别分析2.3 支持向量机2.4 决策树和随机森林2.5 神经网络和深度学习2.6 KNN2.7 聚类2.8 降维1 机器学习基本思路介绍机器学习基本框架: 数据获取、特征提取、数据转换、模型训练、模型选择、模型评价监督学习：给出原始特征和问题标签，挖掘规律，学习一个模式，回答新的问题无监督学习：仅仅根据原始特征寻找模式强化学习：最大化回报，没有绝对正确的标
2021-07-19 12:50:24
1529
原创 自学神经网络系列——6 优化算法的改进
优化算法的改进6.1 参数的更新6.1.1 SGD6.1.2 Momentum6.1.3 AdaGrad6.1.4 Adam6.2 权重的初始值6.3 激活值标准化6.4 正则化6.5 超参数的验证6.1 参数的更新SGDMomentumAdaGradAdam6.1.1 SGD简单但可能没有效率，比如f = 0.05x2+y2梯度方向：可能并不指向最低点局部最小和全局最小`import matplotlib.pyplot as pltfrom mpl_toolkits.mplo
2021-07-19 12:35:05
385
原创 自学神经网络系列——5 反向传播算法
反向传播算法5.1 简单层的实现5.2 神经网络激活层的实现5.3 输入输出层的实现5.4 误差反向传播法的实现5.1 简单层的实现反向传播利用计算图理解基本原理是链式法则# 乘法层class MulLayer: def __init__(self): self.x = None self.y = None def forward(self,x,y): self.x = x self.y = y
2021-07-19 12:32:19
273
原创 自学神经网络系列——4 神经网络的学习
神经网络的学习4.1 损失函数4.2 数值微分4.3 两层神经网络的学习4.4 神经网络的评价4.1 损失函数最小二乘极大似然交叉熵# 最小二乘损失函数import numpy as npy1 = [0.1,0.05,0.6,0.0,0.05,0.1,0.0,0.1,0.0,0.0]y2 = [0.1,0.05,0.1,0.0,0.05,0.1,0.0,0.6,0.0,0.0]t = [0,0,1,0,0,0,0,0,0,0]def mean_squared_error(y,t)
2021-07-19 12:30:04
200
原创 自学神经网络系列——3 初识神经网络
初始神经网络3.1 非线性函数的构造3.2 多维数组3.3 神经网络的实现3.4 手写数字识别3.1 非线性函数的构造任意曲线都可以用激活函数来构造任意曲线都是一些激活函数的和这些激活函数 偏置和权重不同两个ReLU函数才能构造一个阶跃函数或者sigmoid函数所以同样情况下ReLU的激活函数(神经元)需要增加一倍# 激活函数# 阶跃函数的实现import numpy as npdef step_func(x): if x >0: return 1
2021-07-19 12:24:39
219
原创 自学神经网络序列——2 感知机
感知机2.1 什么是感知机2.2 与或非2.1 什么是感知机接受多个输入信号，输出一个信号神经元：对输入的信号进行加权，如果加权数满足某一条件则输入1，否则输出0权重代表了信号的重要程度2.2 与或非与门：只有两个输入都为1时才输出1，其他情况输出0与非门：颠倒与门输出情况，只有两个输入都为1时才输出0，否则输出1或门： 只要有一个输入为1，那么输出1，只有全部输入为0，才输出0只要调整感知机的参数即可实现感知机在不同门之间的切换参数调整交给计算机来做，让计算机决定是那种门异或门
2021-07-19 12:18:32
195
原创 自学神经网络系列——1 编程基础知识
python基础知识1.1 变量类型1.1 变量类型整型、字符串、浮点型列表、字典、元组、布尔型print(type(10))print(type(str(10)))print(type(float(10)))# 变量的定义、计算、赋值# 在python中可以直接进行运算，也可以赋值给变量对变量进行运算a = 10print(a)a = 100print(a)b = 3.14print(a*b)# python属于动态语言，变量的类型会根据情况自动发生变化# 列表a
2021-07-19 12:16:06
132
原创 自学编程系列——5 pandas入门
pandas的学习5.1 Series数据5.2 DataFrame创建总结： 创建方法5.3 索引对象5.4 pandas基本功能5.5 描述性统计import numpy as npimport pandas as pd from pandas import Series, DataFrameimport pandas_datareader.data as web5.1 Series数据索引运算：自动对齐缺失值、命名# Series 由一维数据和索引组成如时间序列数据，索引为时间
2021-07-15 12:14:01
195
原创 自学编程系列——4 Numpy数组
numpy的学习4.1 notebook的使用4.2 numpy基础知识4.3 numpy的索引和切片4.4 numpy的基本运算4.5 numpy的数据处理4.6 numpy线性代数4.7 伪随机数的生成4.7 随机漫步实例import numpy as npimport matplotlib.pyplot as plt import pandas as pdimport seaborn as snsimport statsmodels as sm 4.1 notebook的使用# tab
2021-07-12 17:00:33
283
原创 自学编程系列——2 文件路径与文本读写
文件路径与文本读写2.1文件路径2.2读写文件2.3 shelve模块：常用2.4 pprint模块：简单数据类型2.5 项目实战2.1文件路径os模块工作空间不同系统不同路径格式绝对路径、相对路径创建新的文件夹os.path路径转换文件类型与大小文件是否存在import os path = os.getcwd()# 改变工作路径os.chdir('d:\\vs_code_python\\days_100\\res')# 连接路径path1 = os.path.j
2021-07-11 17:43:07
305
原创 自学编程系列——1 正则表达式
正则表达式1.1 不使用正则表达式1.2 正则表达式总结：正则表达式步骤1.3 分组查找1.4 贪心匹配和非贪心匹配1.5 findall和search1.6 字符分类1.7 精准匹配1.8 compile第二个参数1.9 替代文本1.10 电话号码和邮件地址提取程序1.1 不使用正则表达式def isPhoneNumber(text): if len(text) !=12: return False for i in range(0, 3): if
2021-07-11 17:32:04
188
原创 自学编程系列——3 面向对象编程
面向对象编程3.1 什么是面向对象编程3.2 访问可见性问题3.3 装饰器property3.4 继承和多态3.5 三个案例3.1 什么是面向对象编程把一组数据结构和处理它们的方法组成(对象)把相同行为的对象封装为(类)对象是类的实例类是对象的蓝图和模板 self简化名称通过类的(封装)隐藏内部细节通过(继承)实现类的特化和泛化通过(多态)实现基于对象类型的动态分派对象具有属性（静态特征）和行为方法（动态特征）抽取出来就是一个类from time import sleepfro
2021-07-11 17:21:37
223
原创 2021软科大学排名爬虫程序
# -*- Coding: UTF-8 -*-# data.py# @作者 ML_get# @创建日期 2021-04-26T16:00:54.397Z+08:00# @最后修改日期 2021-04-26T22:12:42.172Z+08:00# 软科排名import requestsfrom bs4 import BeautifulSoupimport jsonimport csvclass FindRank: def __init__(self, num):
2021-04-28 09:19:41
797
1
原创 时间序列分析——第三章 资产收益率序列
资产收益率序列3.1 资产收益率3.1.1 简单收益率多数金融研究针对的是资产收益率而不是资产价格,原因有二：第一，资产收益率体现了投资机会并且与投资规模无关；第二，收益率序列具有更好的统计性质。3.1 资产收益率3.1.1 简单收益率单期简单毛利率：ptpt−1p_t\over p_{t-1}pt−1pt多期简单毛利率 ：1+R[k]=PtPt−1∗Pt−1Pt−2∗…∗Pt−k+1Pt−k=1+R[k]={P_t \over P_{t-1}}*{P_{t-1}\over P_{t-2}
2021-04-01 13:18:10
2190
原创 时间序列分析——第二章 滞后算子
时间序列分析滞后算子2.1 时间序列算子2.1.1 什么是时间序列算子2.1.2 时间序列算子的分类及运算2.1.3 滞后算子多项式:一阶差分方程2.2 P阶差分方程的另一种解法2.2.1 p阶滞后算子多项式2.2.2 特征多项式与滞后算子多项式2.2.3 p阶差分方程求解上一章运用矩阵代数对线性差分方程进行了求解，事实上运用时间序列算子求解差分方程更加方便。滞后算子2.1 时间序列算子2.1.1 什么是时间序列算子我们将函数y = f (x, w) 视为 输入数字x ， w ，输出一个新数字y
2021-03-21 21:22:29
3972
原创 时间序列分析——第一章 差分方程
时间序列分析时间序列分析时间序列分析第一章 差分方程1.1 导论第一章 差分方程1.1 导论1、什么是时间序列？时间序列是按照时间先后顺序排列而成的随机序列。2、什么是时间序列分析方法？时间序列分析研究时间序列所能反映的社会经济现象的发展过程和规律性，进而类推或延申，预测其发展趋势的动态方法。3、时间序列分析步骤：（1）收集历史数据（2）分析时间序列（3）求解时间序列的趋势项、季节性、随机扰动项，建立时间序列模型（4）利用时间序列模型预测未来值4、时间序列分析的特点：（1）数据导
2021-03-21 20:19:48
3753
原创 金融经济学(王江)期末梳理 第十五章 完全市场下的公司财务
生产和交换的一般均衡Introduction15.1 最优生产策略15.1.1 预算约束生产技术生产净市值财富15.1.2 消费和投资决策第一步：求解初始投入生产的数量 yky_kyk,0_00第二步：优化问题求解：均衡配置第三步：市场出清：均衡价格15.1.3 代表性参与者15.2 公司财务15.2.1 投资决策引入公司公司净市值最大化参与者总财富股东决策定理15.2.2 融资决策资本结构分析MM定理15.3 NPV法则Introduction前面所有分析都是建立在第二章所描述的基本框架中，这一章
2021-01-05 11:18:33
1198
原创 金融经济学（王江）期末梳理第十四章 APT定价理论
套利定价理论Introduction14.1 线性因子模型14.1.1 模型结构14.1.2 模型解释14.1.3 记号14.2 精确因子模型14.2.1 单因子模型:r~n=r‾n+bnf~\tilde r_n=\overline r_n+ b_n\tilde fr~n=rn+bnf~1、存在一个无风险组合和一个因子载荷为1的组合****1、构建组合**2、无风险组合**3、定义λ**4、因子组合**5、单因子APT：**IntroductionCAPM依赖于均值-方差假设将证券风险分解为两部
2021-01-04 20:54:23
2554
2
原创 金融经济学（王江）期末梳理 第十三章 资本资产定价模型（CAPM）
资本资产定价模型Introduction13.1 证券市场均衡13.1.1 市场组合13.1.2 证券市场总需求13.1.3 市场均衡：市场出清13.2 资本资产定价模型13.2.1 CAPM1、推导2、意义3、SMLIntroduction上一章，我们证明了，参与者会选择无风险资产和切点组合进行组合选择，即选择存在无风险证券市的有效前沿组合MVE，所以所有参与者之间最大的不同就是对切点组合和无风险组合之间权重的分配，所以所有参与者加总为代表性参与者。当市场中总需求和总供给达到均衡时，我们就能够求得市场
2021-01-03 21:20:51
3734
原创 金融经济学（王江）期末梳理第十二章 μ-σ 分析组合选择
均值方差偏好下的投资组合选择Introduction12.1 均值-方差偏好12.1.1 均值-方差偏好的定义12.1.2 二次效用函数具有均值方差偏好1、证明2、理解12.1.3多元联合正态分布的支付具有均值方差偏好1、证明2、解释12.2 均值-方差前沿组合12.2.1 一些基本概念12.2 均值-方差前沿组合的求解（MVF）12.2 均值-方差前沿组合的性质 MVF12.2.1参与者的最优组合在均值方差前沿上12.2.2 均值方差偏好下两基金分离定理成立12.2.3 均值方差前沿是双曲线的一支12.2
2021-01-03 16:31:15
2423
原创 金融数学作业——二叉树方法定价（上证50ETF期权）
上证50ETF/2019年1月4日期权代码10001671.XSHG期权代码10001671.XSHG# -*- Coding: UTF-8 -*-# biotree.py# @作者 ML# @创建日期 2020-12-29T23:24:15.972Z+08:00# @最后修改日期 2020-12-29T23:24:31.082Z+08:00#import numpy as np# 二叉树模型对欧式看涨期权定价def binarytree_ecall(S, K, r, sigma,
2021-01-03 13:22:33
2696
原创 金融经济学（王江）期末梳理第十章 完全市场中的资源配置与资产价格 C-CAPM
完全市场中的资源配置Introduction10.1 完全市场中的均衡10.1.1知识回顾：**完全市场等价于AD市场**10.1.2 参与者各自优化10.1.3 市场出清10.1.4 帕累托最优：引入中央计划者1、一阶条件：拉格朗日乘数法2、均衡解的特点：（1）状态价格（2）资源配置（3）结论3、最优分享规则（风险/消费）：资源配置意味着风险分担4、线性分享规则：最优分享规则的具体形式10.2 代表性参与者1、代表性参与者的定义2、构建代表性参与者如果所有参与者都具有递增且严格凹性的效用函数，那么代表性
2021-01-01 21:29:27
2815
原创 金融经济学期末梳理（王江）第八、九章 资产组合选择
资产组合选择Introduction8.1 解的存在性不存在套利机会时，优化问题有解8.2 解的特征Introduction早在第三章AD经济中，我们就通过市场结构复制消费和禀赋，从而求出了AD市场中的组合选择，这一章，在期望效用函数的前提下，讨论一般市场结构中投资组合选择问题，也就是求解下面的优化问题：每个参与者期望效用最大化8.1 解的存在性不存在套利机会时，优化问题有解证明：必要性即有解一定不存在套利机会，反证法1、假设θ为组合选择，对应的消费c= [e0−STθ;e1+Xθe_0-S
2020-12-31 22:42:20
4005
1
原创 金融经济学期末梳理（王江）第七章 风险厌恶程度度量
风险厌恶Introdution7.1 效用函数的几何意义7.1.1 偏好和效用函数的关系7.1.2边际效用递减7.2 效用函数的经济意义7.2.1 风险厌恶公平赌博参与者风险厌恶7.2.2 风险厌恶的度量：“小”风险风险溢价风险小的赌博风险厌恶程度的度量：泰特展开绝对风险厌恶系数相对风险厌恶系数7.3 风险厌恶的几个例子线性或风险中性效用函数负指数效用函数平方效用函数幂指数效用函数对数效用函数双曲线绝对风险厌恶（HARA）效用函数* 7.4 风险厌恶的比较7.5 一阶风险厌恶（效用函数不可微）Introd
2020-12-31 15:41:29
14158
4
原创 金融经济学期末梳理（王江）第六章 期望效用函数
期望效用函数introduction6.1期望效用函数6.1.1 什么是期望效用函数6.1.2 独立性公理（状态消费）6.2 附加假设（状态独立、时间可加）6.2.1 状态独立6.2.2 时间可加性6.2.3 总结introduction: 本书第二章介绍了一般均衡分析框架，即每个参与者优化满足预算约束（状态加总等于禀赋）、市场出清（参与者加总等于总禀赋）事实上，在一般均衡中，我们可以对偏好、状态空间概率分布、市场结构做出假设。第三章研究对市场结构的假设，即AD市场具体应用基本框架求解一般均衡。第
2020-12-31 12:45:10
3274
原创 金融经济学（王江）第五章 期权：一个套利定价的例子
@ TOC(期权定价的基本方法)第5章 期权：一个套利定价的例子如何理解套利定价，通过构造一个套利组合为期权定价，令其预期收益为0，符合无套利假定，即可求出期权的价格。5.1 期权的性质5.1.1 期权的定义：一种选择权，能够在未来特定时间（T）以某一特定的价格（K）买入或卖出一定数量某种特定商品（S）的权利。期权持有者，可以选择行使期权即买入或卖出商品，而期权卖出者有执行期权规定的义务。可以在场内和场外交易。期权主要元素：执行价格K，到期日T，股票价格S(T)‾\underline{S(T
2020-12-25 14:19:15
3729
4
原创 金融经济学（王江）第四章 套利和资产定价
文章目录第四章 套利和资产定价4.1 给定任意市场结构4.1.1 什么样的市场结构4.1.2 冗余证券4.1.3 复制组合思想4.1.4 AD证券的复制4.2 套利第四章 套利和资产定价这一章跳过AD经济重新回到第二章所定义的一般均衡框架上一章，我们研究给定资产价格下，消费者的决策问题，这一章，我们试图通过消费者的决策行为反向推出资产价格。即通过分析三种套利行为，基于无套利原理得到资产的二叉树定价方法（状态价格（贴现）、复制定价法和风险中性定价法）4.1 给定任意市场结构4.1.1 什么样的市
2020-12-24 23:44:56
4425
1
原创 金融经济学期末梳理（王江）第二、三章
金融经济学内容梳理主要学什么？第一章 引论第二章 理论框架2.1 经济结构2.1.1 经济环境：风险和时间2.1.2 经济参与者：内部因素2.1.3 证券市场结构2.2 金融经济学的核心模型2.2.1 任意参与者优化问题2.2.2 一般均衡：商品市场和证券市场同时出清2.2.3 帕累托最优可行占优第三章 阿罗——德布鲁（A-D）经济3.1 什么是A-D经济3.1.1条件：3.1.2状态价格向量3.1.3 特殊的完全性3.2 A-D经济中的优化模型3.2.1 考虑单个参与者的简单模型3.2.2 考虑K个参与
2020-12-23 23:23:05
3915
3
原创 自学机器学习实战（peter harrington）决策树及其可视化的python代码
机器学习实战之决策树练习数据集和特征标签计算集合的信息（熵）抽样：抽取某个特征取定值的数据集根据信息增益选出最好的特征多数投票原则给定数据和特征 生成决策树决策树可视化画箭头指向文本用于注释生成决策树图可视化判断结果 放在直线上计算叶节点数计算深度或者高度储存生成的树利用树进行分类树的储存和读取from math import logimport matplotlib.pyplot as pltimport pickle练习数据集和特征标签def createDataSet(): #
2020-12-20 20:54:18
261
原创 自学机器学习实战（peter harrington）SVM+SMO算法的python代码
SVM获取数据阵和标签表选择αj剪辑变量坐标下降的方法，将原来的N个阿尔法利用坐标下降的方法简化为两个计算W可视化分类结果计算径向基核函数创建一个对象，用全局变量计算误差根据最大步长选择j将误差放在echache中作为全局变量储存完整的SMO优化过程完整的SMO算法测试径向基核函数的分类再看文本分类，先转化为向量处理所有文本的数据和标签利用SMO算法求解# -*- Coding: UTF-8 -*-# svmML.py# @作者 ML# @创建日期 2020-12-04T19:19:37.390Z+
2020-12-18 11:38:26
715
原创 自学机器学习实战（peter harrington）朴素贝叶斯的python代码
文章目录机器学习实战：朴素贝叶斯（垃圾邮件、词汇倾向）实验样本从词条表到词汇表将词转化为数值向量训练出条件概率贝叶斯分类器测试训练效果解析长字符串：URL等垃圾邮件分类RSS源中词汇倾向频率排序返回列表区域词汇倾向得到具有表征性的词汇用于测试的两个RSS机器学习实战：朴素贝叶斯（垃圾邮件、词汇倾向）# -*- Coding: UTF-8 -*-# bayes.py# @作者 ML# @创建日期 2020-12-13T13:16:03.065Z+08:00# @最后修改日期 2020-12-13T
2020-12-15 12:17:11
401
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人