量化数据
由small_q创建,最终由small_q更新于
由small_q创建,最终由small_q更新于
由ypyu创建,最终由small_q更新于
AI量化领域结合了人工智能(AI)、机器学习(ML)以及量化金融的技术和方法。这一领域的目标是使用算法和计算模型来分析大量金融数据,从而做出投资决策或提高交易效率。
一些在AI量化领域重要技术和方法,以及在金融领域的应用:
由bqw9z8tc创建,最终由small_q更新于
由kobe创建,最终由qxiao更新于
本文内容已经过期,不再适合平台最新版本,请查看如下最新内容:
[https://bigquant.com/wiki/doc/6yep5yyw5py65zmo5a2m5lmg57o75yix5yig5lqr77yi5lia77yj5py65zmo5a2m5lmg5lul57u
由bq2qbou2创建,最终由iquant更新于
1. 人工智能与机器学习的概念
人工智能(Artificial Intelligence,AI)是一门研究如何使计算机系统具备类似于人类智能的能力的领域
人工智能的子领域示例:
由iquant创建,最终由iquant更新于
由xiaoshao创建,最终由qxiao更新于
由iquant创建,最终由qxiao更新于
本文内容已经过期,不再适合平台最新版本,请查看以下最新内容,作为参考资料学习。
\
本文为旧版实现,仅供学习参考。
[https://bigquant.com/wiki/doc/demos-ecdRvuM1TU](https://bigquant.com/wiki/doc/d
由w17744520135创建,最终由qxiao更新于
由small_q创建,最终由qxiao更新于
由small_q创建,最终由qxiao更新于
由kobe创建,最终由iquant更新于
本文内容已经过期,不再适合平台最新版本,请查看以下最新内容,作为参考资料学习。
本文为旧版实现,仅供学习参考。
[https://bigquant.com/wiki/doc/demos-ecdRvuM1TU](https://bigquant.com/wiki/doc/dem
由anthony_wan创建,最终由qxiao更新于
由small_q创建,最终由small_q更新于
由small_q创建,最终由small_q更新于
本文内容已经过期,不再适合平台最新版本,请查看以下最新内容,作为参考资料学习。
\
本文为旧版实现,仅供学习参考。
[https://bigquant.com/wiki/doc/demos-ecdRvuM1TU](https://bigquant.com/wiki/doc/d
由small_q创建,最终由qxiao更新于
本文内容已经过期,不再适合平台最新版本,请查看以下最新内容,作为参考资料学习。
本文为旧版实现,仅供学习参考。
[https://bigquant.com/wiki/doc/demos-ecdRvuM1TU](https://bigquant.com/wiki/doc/dem
由small_q创建,最终由qxiao更新于
\
由small_q创建,最终由small_q更新于
本文内容已经过期,不再适合平台最新版本,请查看以下最新内容,作为参考资料学习。
本文为旧版实现,仅供学习参考。
[https://bigquant.com/wiki/doc/demos-ecdRvuM1TU](https://bigquant.com/wiki/doc/d
由iquant创建,最终由qxiao更新于
Softmax要解决这样一个问题:我有一个向量,想用数学方法把向量中的所有元素归一化为一个概率分布。也就是说,该向量中的元素在[0,1]范围内,且所有元素的和为1。
Softmax就是这个数学方法,本质上是一个函数。
假设我们有一个k维向量z,我们
由iquant创建,最终由iquant更新于
好嘛博主食言了。不过本文没什么干货,主要是前后看了大概一个星期,反复去读源码和解读文章,终于感觉这东西不那么云山雾罩了。同时也发现网上很多材料有点扯淡,99% 的博文不过是把别人的东西用自己的话说一下,人云亦云。好多人自己理解错了而不自知,实在是误人误己。
我也不敢说理解得有多深,下面的内容甚至可
由ypyu创建,最终由ypyu更新于
首先获取训练集“Stanford V1.0”和使用Glove模型训练好的词向量矩阵。
我们使用shell命令获取以上文档,脚本如下:
DATASETS_DIR="utils/datasets"
mkdir -p $DATASETS_DIR
cd $DATASET
由iquant创建,最终由iquant更新于
通过对代价函数求权重的梯度,我们可以一次性对所有的参数 ![\theta](https://www.zhihu.com/equation?tex=%5Ctheta
由iquant创建,最终由iquant更新于
Skip-gram算法就是在给出目标单词(中心单词)的情况下,预测它的上下文单词(除中心单词外窗口内的其他单词,这里的窗口大小是2,也就是左右各两个单词)。
以下图为例:
![](/community/uploads/default/original/3X
由iquant创建,最终由iquant更新于
目录
![](/community/uploads/default/original/3X/8/d/8db18c837d56a961e46c71822f
由iquant创建,最终由iquant更新于