导语

本文是基于StackAbuse的一篇讲解Seaborn的文章上编写。 附示例及实现代码，可直接前往文末**一键克隆代码*

Numpy（Numerical Python）是Python语言中的一个核心库，它用于进行科学计算。Numpy提供了一个高性能的多维数组对象，以及用于处理这些数组的工具。在金融领域，尤其是在量化分析和算法交易中，Numpy因其高效和易用性而广泛应用。

Numpy数组概念

Nump

主要作用

NumPy（Numerical Python的简称）是Python中用于处理数组、矩阵、数值计算以及高级数学函数的一个强大的库。在金融量化分析中，NumPy扮演着至关重要的角色，因为它提供了快速、高效的数值计算能力，适用于处理大量的金融数据。

NumPy的主要特点包括：

Numpy（Numerical Python）和Pandas两个库是Python编程语言中两个极其重要的库，尤其在数据科学、金融分析和量化投资领域。尽管它们在处理数据方面有所重叠，但各自设计的初衷和优势领域有所不同。

![](/wiki/api/attachments.redirect?id=5

https://bigquant.com/experimentshare/1e185519774149e6803c36f1e6ecb1e6

\

导语

本文介绍数值分析的一大利器——Numpy

附件：Numpy介绍

[https://bigquant.com/experimentshare/3132bdddfa574e27b49a4bb1bea299ad](https://bigquant.com/experimentshare/

\

\

\

数据导入部分使用了dai

[https://bigquant.com/codesharev2/6cfc9123-1ada-40b1-a96d-c84a27bfdadf](https://bigquant.com/codesharev2/6cfc9123-1ada-40b1-a96d-c84a27b

来源：elitedatascience编译：caoxiyang

导语

成千上万的数据科学新手会在不知不觉中犯下一个错误，你知道是什么吗？这个错误可以一手毁掉你的机器学习模型，这并不夸张。我们现在来讨论应用机器学习中最棘手的障碍之一：过拟合（overfitting）。

在本文中，

导语

了解量化投资是成为宽客道路上的一块重要的敲门砖。本文从量化投资定义、量化投资特点、量化投资优势及量化投资实践流程四方面简要为大家介绍量化投资相关知识。

什么是量化投资？

量化投资是指通过数量化模型建立科学投资体系，以获取稳定收益。 在海外的发展已有30多年的历史，其投

导语

“人工智能”概念日益兴起，“谷歌围棋程序AlphaGo全面碾压专业选手”类似新闻逐渐增多，人工智能时代已经来临。通过短文快速了解什么是人工智能。

人工智能（英语：Artificial Intelligence, AI）亦称机器智能，是指由人工制造出来的系统所表现出来的智能，可以概括为

\

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

[https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW](https://bigquant.com

导语

BigQuant平台不仅支持传统机器学习模型，同时还对深度学习模型模块进行了封装，方便用户直接使用策略生成器开发策略，降低策略开发难度。本文对BigQuant平台上策略生成器已经支持的深度学习模块进行简单介绍。

深度学习模型通过功能层进行积木式拼接，典型的模型构架如下：

在深度学习十分火热的今天，不时会涌现出各种新型的人工神经网络，想要实时了解这些新型神经网络的架构还真是不容易。光是知道各式各样的神经网络模型缩写（如：DCIGN、BiLSTM、DCGAN……还有哪些？)，就已经让人招架不住了。

因此，这里整理出一份清单来梳理所有这些架构。其中大部分是人工神经网络，

第五讲:无模型预测 研究科学家Hado van Hasselt对无模型预测及其与蒙特卡罗和时域差分算法的关系进行了更深入的研究。

[https://www.youtube.com/watch?v=eaWfWoVUTEw](https://www.youtube.com/watch?v=eaWfWo

文献回顾

回顾价值策略

价值策略通俗地讲就是买入便宜股票，卖出昂贵股票，思想非常简单和直观。但是实际操作上这非常困难，因为我们没办法直接观察股票的真实价值。投资者可以从不同的视角采用不同的指标来估计股票内在价值。在股票市场中，最传统的方法就是通过会计报表的各个条目得到企业估值，

MDPs和动态规划 研究科学家Diana Borsa解释了如何用动态规划解决MDPs，以提取准确的预测和良好的控制政策。

[/wiki/static/upload/81/813ce39b-112f-4d7b-b034-1b584731213d.mp4](/wiki/static/upload/81

写在前面：

本文原载于[how-to-start-a-deep-learning-project](https://link.zhihu.com/?target=https%3A//medium.com/%40jonathan_hui/how-to-start-a-deep-lear

第11讲:多步骤和间歇政策 研究科学家Hado van Hasselt讨论了多步和关闭策略算法，包括各种减少方差的技术。

[https://www.youtube.com/watch?v=u84MFu1nG4g](https://www.youtube.com/watch?v=u84MFu1nG4