【譯】非平衡數據機器學習
了一些思想朴素但又實際有用的方法。 什么是非平衡數據？ 如果你剛開始一門機器學習課程，可能大部分 ...
原文：股指期貨高頻數據機器學習預測
更多精彩內容，歡迎關注公眾號：數量技術宅。想要獲取本期分享的完整策略代碼，請加技術宅微信：sljsz 問題描述 通過對交易委托賬本 訂單簿 中數據的學習，給定特定一只股票 個時間點股票的訂單簿信息，預測下 個時間點中間價的均值。 評價標准為均方根誤差。 交易時間為工作日 : : , : : ，快照頻率 秒。 股價的形成分為集合競價和連續競價 集合競價： : : ，開盤集合競價，確定開盤價 連續競 ...
2020-12-09 19:20 0 763 推薦指數：
相關推薦
機器學習之預測
一、機器學習 1.人工智能與機器學習之間的關系 機器學習是實現人工智能的一種技術手段 2.算法模型 概念：特殊對象。該對象內部封裝了某種還沒有求出解的方程！ 作用：算法模型對象內部封裝的方程的解就是算法模型預測或則分類的結果 預測：天氣預報 分類 ...
機器學習（回歸預測數值型數據）
之前介紹的分類的目標變量都是標稱型數據，接下來我們將介紹連續型的數據並且作出預測，本篇介紹的是線性回歸，接下來引入局部平滑技術，能夠更好地擬合數據 本篇我們主要討論欠擬合情況下的縮減的技術，探討偏差和方差的概念。 優點：結構易於理解，計算上不復雜 缺點：對非線性的數據擬合不好 適合數值型 ...
機器學習之利用KNN近鄰算法預測數據
前半部分是簡介, 后半部分是案例 KNN近鄰算法: 簡單說就是采用測量不同特征值之間的距離方法進行分類（k-Nearest Neighbor，KNN） 優點: 精度高、對異常值不敏感、無數據輸入假定 缺點：時間復雜度高、空間復雜度高 1、當樣本不平衡時，比如一個類的樣本容量很大 ...
利用機器學習模型對PySpark流數據進行預測
作者|LAKSHAY ARORA 編譯|VK 來源|Analytics Vidhya 概述 流數據是機器學習領域的一個新興概念 學習如何使用機器學習模型（如logistic回歸）使用PySpark對流數據進行預測 我們將介紹流數據和Spark流的基礎知識，然后深入到實現 ...
機器學習實戰筆記-預測數值型數據:回歸
8. 1 用線性回歸找到最佳擬合直線 線性回歸 優點：結果易於理解，計算上不復雜。 缺點：對非線性的數據擬合不好。 適用數據類型：數值型和標稱型數據。 回歸的目的是預測數值型的目標值。最直接的辦法是依據輸人寫出一個目標值的計算公式。 假如你想要預測姐姐男友汽車的功率大小，可能會這么計算 ...
機器學習算法·回歸預測
一、回歸預測簡介 現在我們知道的回歸一詞最早是由達爾文的表兄弟Francis Galton發明的。Galton在根據上一年的豌豆種子的尺寸預測下一代豌豆種子的尺寸時首次使用了回歸預測。他在大量的對象上應用了回歸分析，包括人的身高。他注意到，如果雙親的高度比平均高度高的話，則他們的子女也傾向於 ...
使用機器學習預測股價
股票價格預測有助於確定未來幾天或幾周內股票的走勢，或者至少顯示趨勢。股票價格取決於多種因素，例如： 基本因素：收入，利潤，市場份額，業務的潛在增長前景 外部因素：大流行病，例如新冠，外匯匯率，石油價格，黃金價格，債券收益率，全球股票市場 技術因素：價格走勢，交易量，移動平均線，MACD（移動 ...