Python数据挖掘与机器学习实战
电子书推荐
-
机器学习实现量化投资 评分:
本书为国外非常流行且受欢迎的一本书,讲述了用机器学习方法实现量化投资,并且附有python源代码,值得好好学习一下。
上传时间:2018-03 大小:2.13MB
- 4.60MB
基于机器学习的量化投资系统_刘琦凯.caj
2020-02-02随着数理化分析和计算机科学技术的日益完善,投资者不再满足于传统的定性分析投资,计算机技术的飞速发展与...为了解决上述问题,本文设计并实现了一套基于机器学习的量化投资系统,将量化投资系统与机器学习相结合。
- 4.74MB
基于机器学习的量化选股研究
2022-04-27近年来,量化投资凭借其精力无限、依靠概率取胜和纪律性强的优势受到越 来越多的关注。与西方成熟市场相比,我国量化投资还处于起步阶段,存在量化 投资产品规模小、策略缺乏多样性、业绩表现分化的不足。尽管如此,...
- 28.54MB
入门机器学习:手把手教你实现简单的算法
2024-01-03图像分类 - 使用机器学习算法对图片进行分类,可以应用于自动识别车辆模型、品类识别、安防等领域。...量化投资 - 使用机器学习算法分析和预测证券市场,帮助投资者制定和优化投资策略,提高投资收益。
- 1.34MB
数据融合matlab代码-learn-qlib:学习卷
2021-05-22一个量化投资系统,是为了将AI的技术和量化投资相结合,帮助用户实现量化投资 Qlib可以改变传统的量化研究,Paper提出了传统量化研究的问题,例如,交易信号都是通过线性模型产生的,这种方式过于原始,我们应该使用...
- 101.28MB
《Python 数据分析:基于 Plotly 的动态可视化绘图》+源代码+文档说明
2023-12-01同时,Python又是一门非常强大的编程语言,其在编程的各个领域都有非常不错的表现,比如在网页开发、程序GUI设计、网络爬虫、科学计算、数据可视化、机器学习与深度学习等领域,Python都有非常好的解决方案来解决...
- 2.1MB
中国人工智能理财分析报告.pptx
2023-06-01人工智能自1956年被提出后不断演化,机器学习成为其中一个分支,2000年左右深度 学习成为机器学习的进一步延伸,后续在金融理财领域掀起新的变革浪潮 ; 阶段3:数据、媒介产生更广度连 接,企业可感知数据量能力...
- 35KB
leetcode中国-What_I_Stared:我盯着什么,我关注了谁
2021-06-29目前比较关注点公众号:九章算法、数据森麟、量子位、数说工作室、机器之心、全球人工智能、Python爱好者、大数据文摘、大数据、量化投资与机器学习 People 语言 Star Fork Updated time Info Repository jwasham ...
- 1.73MB
AI行业报告:开启智能金融投顾黄金时代
2021-03-26智能投顾应用机器学习技术,通过回馈循环(市场-策略-结果-市场的反复循环),依据资产的价格、风险变动等自动调整策略,从而在资产配置偏离目标时实现再平衡,不断提升资产管理效率。 传统投顾服务往往收费项目繁多...
- 211KB
使用ML实践提高软件开发质量-研究论文
2021-05-20当今,公司正在Swift投资于机器学习(ML),以保持竞争力。 应用程序的开发充满困难,许多人现在正在设计基于AI的解决方案来应对这些挑战。 此外,系统拥有的学习能力固有地为整个系统增加了更多的不确定性。 考虑...
- 149KB
人工智能+金融:如何突破你的想象.docx
2023-02-27也就是说,通过机器学习自然语言的处理。我们知道美国有家公司是李嘉诚投资的叫Sentient Technologies,这家公司就励志与去做一个能够取代投行分析师的投资机器人,叫Kensho,他可以运用自然语言的处理深度人工智能+...
- 4.80MB
Python算法交易(2020)的源代码-python
2021-06-18用于评估交易策略的性能指标:metrics.py 纯 Pandas 中的常用技术指标:indices.py 将常用技术指标转换为三元信号:signals.py 用于数值优化的通用网格搜索包装器:optimization.py 面向对象的投资组合构建块模拟:...
- 3.79MB
扁平化风格的企业管理基础知识培训PPT模板
2021-07-17企业管理,主要指运用各类策略与方法,对企业中的人、机器、原材料、方法、资产、信息、品牌、销售渠道等进行科学管理,从而实现组织目标的活动 ... 关键词:企业管理培训PPT下载,企业管理基础知识PPT免费下载,....
- 530B
多媒体教室
2013-06-14当教师在未锁定学生机键盘、鼠标情况下广播或回放时,学生可以利用智能滚动的窗口模式接收广播,此模式可以使学生轻松地跟着教师进行同步操作,边看边练习,使学习由被动转为主动。 教师广播教学和语音教学时允许...
- 1.95MB
ChatGPT教程(终极版)最全整理
2023-05-16这是一篇动了某些人利益的良心教程。 这是一篇姗姗来迟的ChatGPT教程。 纯小白关于ChatGPT入门,你看我这篇文章就够了。 如果你已经用上了ChatGPT,更要恭喜你挖到宝藏,后面的高级技巧一定能让你有收获。 文章包含以下内容: 一、ChatGPT是啥?有什么用; 二、ChatGPT如何注册; 三、ChatGPT使用方法; 四、用ChatGPT搞钱; 五、高级技巧;
- 47.85MB
Neural Networks from Scratch in Python学习资料
2024-04-29Neural Networks from Scratch in Python的学习材料,PDF版本,机器学习入门必学,全英文版本
- 58KB
博客中Kmeans以及FCM算法数据(免积分)
2023-05-16博客中Kmeans以及FCM算法的数据,包括IRIS鸢尾花数据集、Wine葡萄酒数据集、Seed小麦种子数据集、glass数据集、WDBD乳腺癌数据集,下载在直接存入项目文件夹即可,如果下载不了,可以私信我,看到后会及时回复。
- 1.25MB
hugging face的models-openai-clip-vit-large-patch14文件夹
2023-10-25用于无法访问hugging face并需要运行stable-diffusion-webui时使用
- 10KB
神经网络回归预测--气温数据集
2021-11-26神经网络回归预测--气温数据集
- 1.87MB
XGBoost+LightGBM+LSTM-光伏发电量预测
2022-12-24包含比赛代码、数据、训练后的神经网络模型等。 在分析光伏发电原理的基础上,论证了辐照度、光伏板工作温度等影响光伏输出功率的因素,通过实时监测的光伏板运行状态参数和气象参数建立预测模型,预估光伏电站瞬时发电量,根据光伏电站DCS系统提供的实际发电量数据进行对比分析,验证模型的实际应用价值。 1 数据探索与数据预处理 1.1 赛题回顾 1.2 数据探索性分析与异常值处理 1.3 相关性分析 2 特征工程 2.1 光伏发电领域特征 2.2 高阶环境特征 3 模型构建与调试 3.1 预测模型整体结构 3.2 基于LightGBM与XGBoost的构建与调试 3.3 基于LSTM的模型构建与调试 3.4 模型融合与总结 4 总结与展望 参考文献
- 2.20MB
Mathwork+Matlab+编程手册
2023-08-25Introduction to Programming with MATLAB ~ Vanderbilt University
- 321KB
Stable-Diffusion WEBUI 简体中文语言包(2023.05.30更新)
2023-05-30AI绘图,Stable-Diffusion WEBUI,本地化(简体中文)语言文件。 原始文件来自翻译插件,根据自己实际使用情况,增加和修改了一些翻译。 配合【双语插件】看上去要自然一点,内容还在继续完善中。 本次增加了一些翻译内容,特别是插件。 同时继续合并了其它翻译插件的内容。 最近文字提示修改得有点多啊。 请放入“你的SDWebUI项目位置/localizations/”中。 中文翻译部分删掉了不少括起来的英文原文,所以别直接选它用。 请配合【Bilingual Localization】插件使用,双语同时显示,效果最好。
- 40.89MB
中文短信数据集-带标签
2024-02-05本数据集可用于进行文本分类、信息检索等自然语言处理实验,共包含80万条短信。其中:原始数据集data.txt每行为1条短信,格式为“标签\t短信内容”,标签=0表示正常短信,标签=1表示垃圾短信。train.csv和test.csv为拆分后的训练集与测试集,拆分代码为train_test_split.py。stopwords.txt为使用的停用词。 基于该数据集的文本分类详见文章https://blog.csdn.net/baidu_40395808/article/details/135793836,基于该数据集的信息检索详见文章https://blog.csdn.net/baidu_40395808/article/details/135897480。 示例如下: 0 商业秘密的秘密性那是维系其商业价值和垄断地位的前提条件之一 1 《依林美容》三.八.女人节倾情大放送活动开始啦!!!!超值套餐等你拿,活动时间x月x日一x月xx日, 详情进店咨询。美丽热线x
- 407KB
时间序列预测模型实战案例(Xgboost)(Python)(机器学习)包括时间序列预测和时间序列分类,点击即可运行!
2023-09-25内容概要 资源包括三部分(时间序列预测部分和时间序列分类部分和所需的测试数据集全部包含在内) 在本次实战案例中,我们将使用Xgboost算法进行时间序列预测。Xgboost是一种强大的梯度提升树算法,适用于各种机器学习任务,它最初主要用于解决分类问题,在此基础上也可以应用于时间序列预测。 时间序列预测是通过分析过去的数据模式来预测未来的数值趋势。它在许多领域中都有广泛的应用,包括金融、天气预报、股票市场等。我们将使用Python编程语言来实现这个案例。 其中包括模型训练部分和保存部分,可以将模型保存到本地,一旦我们完成了模型的训练,我们可以使用它来进行预测。我们将选择合适的输入特征,并根据模型的预测结果来生成未来的数值序列。最后,我们会将预测结果与实际观测值进行对比,评估模型的准确性和性能。 适合人群:时间序列预测的学习者,机器学习的学习者, 能学到什么:本模型能够让你对机器学习和时间序列预测有一个清楚的了解,其中还包括数据分析部分和特征工程的代码操作 阅读建议:大家可以仔细阅读代码部分,其中包括每一步的注释帮助读者进行理解,其中涉及到的知识有数据分析部分和特征工程的代码操作。
- 1.3MB
亚博K210模型训练部署
2023-07-11亚博K210模型训练部署
- 174.14MB
Plecs电力电子仿真PLECS41.64 电力系统仿真软件免安装版本
2023-02-02超级容易学习的电力电子仿真软件。 PLECS是一个用于电路和控制结合的多功能仿真软件,尤其适用于电力电子和传动系统。 对于仿真Buck电路,Boost电路,单相整流电路,单相逆变电路,三相整流电路,三相逆变电路,LLC电路等都能够完美实现。并且能够直接使用C语言进行编程仿真,让代码直接写完以后完整运行到控制板中。 Plecs主要解决了Matlab Simulink仿真速度很慢,学习过程复杂和困难等问题。 Plexim在电力电子仿真领域处于世界领先地位。首要软件产品PLECS可以协助用户加快产品开发和创新流程。其优势来源于先进的编程技术,以及融合了非常规建模概念的仿真算法。通过认真听取工程师的需求和建议,我们能够为客户的今天和未来提供满意的解决方案。 从2002年开始,PLECS已经在众多工业领域成为电力电子仿真的标准。典型应用涵盖新能源,车辆电子,航空航天,工业及牵引驱动等。
- 20KB
机器学习期末复习题及答案
2023-03-19机器学习期末复习题及答案
- 1.29MB
基于鲸鱼优化算法优化VMD参数试看效果代码(目标函数为样本熵)
2022-10-301.采用鲸鱼算法优化VMD分解层数和惩罚系数的MATLAB代码,目标函数根据样本熵计算。直接运行,可以换数据。 2.核心算法加密,有需要请在CSDN联系作者。
- 6.77MB
基于Python+pytorch的图像处理+附完整代码图像处理,能够轻松实现图像的读取、显示、裁剪等还有机器学习等操作
2024-04-17Python+PyTorch:图像处理界的“瑞士军刀” 在图像处理这个充满魔法的世界里,Python和PyTorch这对黄金搭档,就像一位技艺高超的魔法师和一把无所不能的“瑞士军刀”,总能轻松解决各种看似棘手的难题。它们以高效、灵活和强大的特性,引领着图像处理技术的发展潮流,让无数开发者为之倾倒。Python,这位优雅的魔法师,以其简洁易懂的语法和丰富的库资源,赢得了广大开发者喜爱。无论是数据处理、机器学习还是深度学习,Python都能轻松应对,展现出其无与伦比的魅力。在图像处理领域,Python更是如鱼得水,通过OpenCV、PIL等库,能够轻松实现图像的读取、显示、裁剪、缩放、滤波等操作,让图像在指尖起舞。而PyTorch,这把图像处理界的“瑞士军刀”,则以其灵活性和易用性,成为深度学习领域的翘楚。它拥有强大的自动求导功能,能够轻松构建和训练复杂的神经网络模型。在图像处理中,PyTorch能够助力开发者构建出各种高效的图像识别、分割、生成等模型,让图像焕发出新的生机。想象一下,当你掌握了Python和PyTorch这对黄金搭档,就如同掌握了一把魔法杖和一把瑞士军刀。必然大可作为
- 225.92MB
Ollama+WebUI+AnythingLLM构建个人/企业知识库
2024-04-03对于企业来说,需要考虑信息安全,企业私有的知识库显然不能利用公域的大模型。那么搭建一套基于本地大模型的个人/企业知识库。Ollama可以帮助你在本地搭建知识库,替代chatgpt
- 71.17MB
改进版的yolov5+双目测距
2022-12-01新版本代码特点:(注意目前只适用于2560*720分辨率的双目,其他分辨率需要修改) 1、替换“回”字形查找改为“米”字形查找,可以设置存储像素点的个数20可修改,然后取有效像素点的中位数(个人觉得比平均值更有代表性)。 2、每10帧(约1/3秒)双目匹配一次,提升代码的运行速度。 3、可以进行实时检测,运行速度与机器的性能有关。