作者:James Le
翻译:BigQuant
机器学习算法可以通过学习就可以弄清楚如何去执行一些重要的任务。在手动编程不可行的情况下,这种方法通常既可行又经济有效。随着可获取的数据在逐步增多,越来越多更加复杂的问题可以用机器学习来解决。事实上,机器学习已经被广泛的运用到计算机以及一些其他领域。然而,开发出成功的机器学习应用需要大量的“black art”,这些内容是很难在教科书中找到的。
我最近读了华盛顿大学的Pedro Domingos教授的一篇十分惊艳的技术论文,题是“**A Few Useful Things to Know about Machine Learni
更新时间:2021-07-30 09:21
导语:本周精选了5篇关于深度学习、机器学习在量化投资领域的应用文章。随着近年来机器学习和深度学习的发展,越来越多的人投入到研究的队伍中。希望读完这些报告的你能对其中的研究有自己的理解。BigQuant拥有海量的数据和主流开源AI框架,赋能每一位爱好机器学习/深度学习和量化交易的人。
关键词:股票预测、特征抽取、循环神经网络
本文提出了一种预测股票涨跌的方法。在特征抽取
更新时间:2021-07-30 09:21
回归、分类和排序是我们经常遇到的问题场景。本文主要介绍如何实现回归和分类两类问题的模型构建。
首先我们明确一下算法在机器学习中的地位。一般来说,机器学习有三个要素: 数据、算法和模型 。
下面我们来举两个例子,看看回归和分类问题的应用场景有什么不同。
![](/wik
更新时间:2021-07-30 08:22