![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 89
练习两年半的工程师
这个作者很懒,什么都没留下…
展开
-
使用Alpha Vantage API和Python进行金融数据分析
Alpha Vantage通过一套强大且开发者友好的数据API和电子表格,提供实时和历史的金融市场数据。从传统资产类别(例如股票、ETF、共同基金)到经济指标,从外汇汇率到大宗商品,从基本数据到技术指标,Alpha Vantage通过基于云的API提供服务。原创 2023-12-18 15:01:47 · 3703 阅读 · 3 评论 -
使用 Python进行量化交易:前向验证分析
使用 Python进行量化交易:前进优化。原创 2023-11-18 15:29:36 · 286 阅读 · 0 评论 -
量化交易:使用 python 进行股票交易回测
【代码】量化交易:使用 python 进行股票交易回测。原创 2023-11-15 00:53:30 · 1322 阅读 · 0 评论 -
机器学习必修课 - 交叉验证 Cross-Validation
想象一下你有一个包含5000行数据的数据集。通常情况下,你会将约20%的数据保留作为验证数据集,即1000行。但这会在确定模型得分时引入一些随机性。也就是说,一个模型可能在一组1000行数据上表现良好,即使在另一组1000行数据上表现不准确。删除训练数据中带有缺失目标值的行,并将目标值()分离出来存储在变量中。从训练数据中选择了仅包含数值型数据的列,存储在变量中。创建了训练特征数据集,其中包含了数值型的特征列。创建了测试特征数据集,也包含了数值型的特征列。上面的管道将使用来替换数原创 2023-10-09 12:11:30 · 254 阅读 · 0 评论 -
机器学习必修课 - 使用管道 Pipeline
)])使用来填充分类型数据中的缺失值,策略改为’constant’,改用常数值填充。])MAE:# 自定义数值型数据的预处理步骤('imputer', SimpleImputer(strategy='mean')), # 可以使用均值填充缺失值])# 自定义分类型数据的预处理步骤('imputer', SimpleImputer(strategy='most_frequent')), # 使用最频繁的值填充缺失值。原创 2023-10-07 01:06:52 · 603 阅读 · 1 评论 -
机器学习必修课 - 编码分类变量 encoding categorical variables
那么你将会遇到一个错误。原创 2023-10-05 21:47:33 · 1570 阅读 · 1 评论 -
机器学习必修课 - 如何处理缺失数据
【代码】机器学习必修课 - 如何处理缺失数据。原创 2023-10-03 00:58:58 · 1424 阅读 · 1 评论