Python 机器学习算法交易实用指南（四）（2）
Python 机器学习算法交易实用指南（四）（1）https://developer.aliyun.com/article/1523382 t-SNE t-分布随机邻域嵌入是由劳伦斯·范德马滕（Laurens van der Maaten）和杰夫·辛顿（Geoff Hinton）于 2010 年开发的获奖算法，用于检测高维数据中的模式。它采用概率、非线性方法来定位位于几个不同但相...
Python 机器学习算法交易实用指南（四）（1）
第十二章：无监督学习 在第六章，机器学习流程中，我们讨论了无监督学习如何通过发现数据中的结构而增加价值，而无需一个指导搜索过程的结果变量，例如老师。这个任务与我们在过去几章中专注于的监督学习的设置形成对比。 当数据集只包含特征而没有结果的测量值，或者当我们想要提取与结果无关的信息时，无监督学习算法可以很有用。目标不是预测未来的结果，而是研究对解决另一个任务有用的数据的信息表示，包...
Python 机器学习算法交易实用指南（三）（5）
Python 机器学习算法交易实用指南（三）（4）https://developer.aliyun.com/article/1523357 二阶损失函数近似 最重要的算法创新通过使用依赖于二阶导数的近似来降低评估损失函数的成本，类似于牛顿法找到稳定点。因此，在贪婪树扩展过程中评分潜在分割的速度相对于使用完整损失函数更快。 正如先前提到的，梯度提升模型是以增量方式训练的，其...
Python 机器学习算法交易实用指南（三）（4）
Python 机器学习算法交易实用指南（三）（3）https://developer.aliyun.com/article/1523356 随机森林 决策树不仅因其透明度和可解释性而有用，而且是更强大的集成模型的基本构建模块，它将许多个体树与策略结合起来，以随机变化其设计，以解决前一节讨论的过拟合和高方差问题。 集成模型 集成学习涉及将多个机器学习模型组合成一个新...
Python 机器学习算法交易实用指南（三）（3）
Python 机器学习算法交易实用指南（三）（2）https://developer.aliyun.com/article/1523355 收敛 我们可以随时间和它们的分布可视化样本，以检查结果的质量。下面的图表显示了初始 100 和额外的 100,000 个样本后的后验分布，并说明了收敛意味着多个链识别相同的分布。pm.trace_plot()函数也显示了样本的演变（更多信息请...
Python 机器学习算法交易实用指南（三）（2）
Python 机器学习算法交易实用指南（三）（1）https://developer.aliyun.com/article/1523351 如何构建波动率预测模型 为资产收益序列开发波动率模型包括四个步骤： 基于 ACF 和 PACF 显示的序列依赖性构建金融时间序列的 ARMA 时间序列模型。 再次依靠残差序列的 ACF 和 PACF 检查模型的残...
Python 机器学习算法交易实用指南（三）（1）
第八章：时间序列模型 在上一章中，我们重点关注了适用于横截面数据的线性模型，其中输入数据属于与其旨在解释或预测的输出相同的时间段。在本章中，我们将关注时间序列数据，其中观察值按周期而不同，这也创建了自然的排序。我们的目标是识别数据中的历史模式，并利用这些模式来预测时间序列在未来的行为。 在上一章中，我们已经遇到了既有横截面又有时间序列维度的面板数据，并了解了法马-麦克白斯回归如何...
Python 机器学习算法交易实用指南（二）（2）
Python 机器学习算法交易实用指南（二）（1）https://developer.aliyun.com/article/1523316 对于第二阶段，我们对横截面投资组合的期间收益进行 96 次回归，以估计因子载荷： lambdas = [] for period in f...
Python 机器学习算法交易实用指南（二）（1）
选择一个 ML 算法 本书的剩余部分将介绍几个模型族，从线性模型，其对输入和输出变量之间的功能关系的性质做出了相当强的假设，到深度神经网络，其假设极少。如前言中提到的，更少的假设将需要更多具有关于关系的显著信息的数据，以便学习过程能够成功。 我们将在引入这些模型时概述关键假设及其测试方法。 设计和调整模型 ML 过程包括基于模型泛化误差估计的诊断和管理模型复杂性的...
深度解析Python中的机器学习库：Scikit-learn
在机器学习领域，Python已经成为一种非常流行的编程语言，得益于其简洁的语法、强大的功能库和丰富的社区资源。其中，Scikit-learn无疑是最受欢迎的机器学习库之一。本文将对Scikit-learn进行深度解析，展示其核心功能、使用方法和实践案例，同时提供实际代码，以帮助读者更好地理解和应用该库。 一、Scikit-learn概述 Scikit-lear...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
人工智能平台 PAI您可能感兴趣
- 人工智能平台 PAI pytorch
- 人工智能平台 PAI serving
- 人工智能平台 PAI forest
- 人工智能平台 PAI异常
- 人工智能平台 PAI检测
- 人工智能平台 PAI实战
- 人工智能平台 PAI标签
- 人工智能平台 PAI构建
- 人工智能平台 PAI系统
- 人工智能平台 PAI云上
- 人工智能平台 PAI pai
- 人工智能平台 PAI机器学习
- 人工智能平台 PAI算法
- 人工智能平台 PAI模型
- 人工智能平台 PAI应用
- 人工智能平台 PAI数据
- 人工智能平台 PAI人工智能
- 人工智能平台 PAI平台
- 人工智能平台 PAI训练
- 人工智能平台 PAI ai
- 人工智能平台 PAI入门
- 人工智能平台 PAI实践
- 人工智能平台 PAI深度学习
- 人工智能平台 PAI优化
- 人工智能平台 PAI方法
- 人工智能平台 PAI特征
- 人工智能平台 PAI阿里云
- 人工智能平台 PAI部署
- 人工智能平台 PAI分类
- 人工智能平台 PAI代码
阿里云机器学习平台PAI
阿里云机器学习PAI（Platform of Artificial Intelligence）面向企业及开发者，提供轻量化、高性价比的云原生机器学习平台，涵盖PAI-iTAG智能标注平台、PAI-Designer（原Studio）可视化建模平台、PAI-DSW云原生交互式建模平台、PAI-DLC云原生AI基础平台、PAI-EAS云原生弹性推理服务平台，支持千亿特征、万亿样本规模加速训练，百余落地场景，全面提升工程效率。
+关注
