参照 char-rnn-tensorflow，使用RNN的字符模型，学习并生成古诗。    准备环境 tensorflow   训练 python train.py在使用GPU的情况下，两个小时内即可

　　在上一篇推文中，提到了如何运用序列建模进行机器翻译，机器翻译系统主要包含编码器和解码器，编码器负责将待翻译的句子进行特征表示，而解码器则负责将此特征用另外一种语言表示出来。神经机器翻译模型（Neura

　　数据准备 为了更好地了解**时间序列，让我们来看看如何看图像，其实也不只有两个尺寸（高度和宽度），还有表示颜色的“深度”： 在时间序列的情况下，我们的图像只是一维的（在图上看到的），channels的

　　1.原理概述 序列学习其实是深度学习中的一个应用非常广泛的概念，例如语音识别、语言建模、机器翻译、机器作曲、机器写稿、自动对话、QA系统等都属于序列学习的领域，今天讲讲解如何运用序列建模的思想来构建一

　　利润表的分析有三个难点： 第一，利润表不能孤立的看， 应该结合资产负债表来全面分析 。 第二， 利润表容易被粉饰造假 ，必须还原利润表的本来面目。 第三，即使利润数字是可靠的，只有对这些数字进行合理的

　　一般来说，用pandas处理小于100兆的数据，性能不是问题。当用pandas来处理100兆至几个G的数据时，将会比较耗时，同时会导致程序因内存不足而运行失败。 当然，像Spark这类的工具能够胜任处

　　对于对冲基金很多人不是特别了解，今天给大家简而明了的介绍一下，你可以有一个形象的理解。 事情是这样的，Mike同学看到搞金融的都巨赚钱，也想创一个对冲基金玩玩，于是他去了高盛提出申请，高盛的Sam大叔

　　前言 好久没有更新专栏，今天我们来看一个简单的Seq2Seq实现，我们将使用TensorFlow来实现一个基础版本的Seq2Seq，主要帮助理解Seq2Seq中的基础架构。   最基础的Seq2Seq

　　分级A隐含收益率详细分析 最近在研究分级基金，发现分级A的隐含收益率很有意思，所以做了一些拓展和研究，发现真是有学问在里面，今天把自己得研究分享给大家，说不定以后你也会用到。 下面的所有公式我都推导过

　　问题类型1：参数估计 真实值是否等于X？ 给出数据，对于参数，可能的值的概率分布是多少？   例子1：抛硬币问题 硬币扔了n次，正面朝上是h次。   参数问题 想知道 p 的可能性。给定 n 扔的次数

　　1. 目前的因子测试方法 目前的因子分析方法一般包括两方面： 1、 对因子收益率和 IC 的筛选： ◆     收益率：要求胜率或者 Top-Bottom 收益率超过设定值； ◆     IC：要求

　　本次推文介绍用线性模型处理回归问题。从简单问题开始，先处理一个响应变量和一个解释变量的一元问题。然后，介绍多元线性回归问题（multiple linear regression），线性约束由多个解释变

　　前言 在今天给大家介绍一个研究工具： pomegranate。 它比其他软件包更加灵活，更快，直观易用，并且可以在多线程中并行完成。   The API 主要模型介绍 一般混合模型 隐马尔可夫模型 贝

　　圣经记载：在远古的时候，人类都使用一种语言，全世界的人决定一起造一座通天的塔，就是巴别塔，后来被上帝知道了，上帝就让人们使用不同的语言，这个塔就没能造起来。 巴别塔不建自毁，与其说上帝的分化将人类的语

　　第一部分 GoogLeNet, 2014年ILSVRC挑战赛冠军,这个model证明了一件事：用更多的卷积，更深的层次可以得到更好的结构。（当然，它并没有证明浅的层次不能达到这样的效果） 通过使用 N