前提： 假设你熟悉Python，TensorFlow和Jupyter notebooks。 我们的目标只是可视化计算图。   TensorFlow操作形成计算图。 而对于简单的例子，你可能可以查看代码

　　写在前面的话 深度强化学习可以说是人工智能领域现在最热门的方向，吸引了众多该领域优秀的科学家去发掘其能力极限。而深度强化学习本身也由于其通用性备受各个应用领域推崇，从端对端游戏控制、机器人手臂控制、推

　　1、引言 构建量化策略，首先需要找到具有所谓alpha的特征量，将这些特征量输入到数学模型学习出买入或者卖出信号，然后根据一定的出场规则出场。数学模型各种各样，有诸如线性回归、logistic回归的线

　　每一个股民都想选到强势股，因为这样的个股涨的非常快，也可以快速带来收益。在操作强势股票的时候，我们需要对个股进行k线技术形态的分析，还需要看盘中分时线形态。   强势个股的分时线通常情况下会比较挺拔有

　　导读： 通过本篇文章可以对ML的常用算法有个常识性的认识，没有代码，没有复杂的理论推导，就是图解一下，知道这些算法是什么，它们是怎么应用的，例子主要是分类问题。 每个算法都看了好几个视频，挑出讲的最清

　　这一篇，我们讨论广义线性回归模型的具体形式的另一种形式，逻辑回归（logistic regression）。 逻辑回归是用来做分类任务的。分类任务的目标是找一个函数，把观测值匹配到相关的类和标签上。学

　　本章我们要讨论一种简单的非线性模型, 用来解决回归与分类问题, 称为决策树(decision tree)。首先, 我们将用决策树做一个广告屏蔽器, 可以将网页中的广告内容屏蔽掉。之后, 我们介绍集成学

　　一、置信区间 置信区间是指由样本统计量所构造的总体参数的估计区间。在统计学中，一个概率样本的置信区间（Confidence interval）是对这个样本的某个总体参数的区间估计。置信区间展现的是这个

　　现在有一张朱迪的照片,这张照片有500多列的像素点构成,但是大部分地方都是白色的，相互没有什么差别，也就是说图像中有很多列都是相互线性相关的，这些列向量对我们接受图像信息没有更大的帮助。那么我们能不能

　　这篇文章主要解读什么是信息熵及其相关概念，以及如何进行信息增益的计算和它在decision tree中的运用。   信息熵与热力学熵 学过化学或热力学的同学可能了解热力学熵。 熵的概念由德国物理学家克

　　1、分形理论简介        一直以来，有效市场假说 ( EMH)作为一种线性、简单的均衡范式主宰着金融经济学的理论研究；然而 ， 实证研究表明 ， 资本市场的波动具有很多复杂和有趣的特征 ， 这些

　　下面，使用python模块库sklearn自带的iris标准数据集进行简单测试。 获得的分类图为： 此外，尝试在优矿平台上，对股票的涨跌幅进行分类，选取的指标包括PE、KDJ_D，KDJ_J和ARBR

　　机器学习中的预测问题通常分为2类： 回归 与 分类 。简单的说回归就是预测数值，而分类是给数据打上标签归类。本文讲述如何用Python进行基本的数据拟合，以及如何对拟合结果的误差进行分析。 本例中使用

　　机器识别手写数字的问题早已经解决，如今机器识别的准确率已经超过99%。事实上，这种问题无法通过一条条规则去hard code式的解决，我们不得不承认机器确实学到了东西。但我们好奇的是机器到底学到了什么