Python金融大数据挖掘与分析全流程详解
作者:王宇韬 房宇亮 肖金鑫
出版社:机械工业出版社
ISBN:9787111633204
VIP会员免费
(仅需0.8元/天)
¥ 45.0
温馨提示: 价值40000元的1000本电子书,VIP会员随意看哦!
电子书推荐
-
数据挖掘:概念与技术 评分:
数据挖掘相关概念及技术(包括关联规则等等)
上传时间:2010-04 大小:1.99MB
- 186KB
数据挖掘:ID3算法
2015-06-21本文由@Joe Chael贡献,给出了一个关于配眼镜的一个决策分类所需要的数据。数据集包含5属性。ID3算法。详情参见:http://blog.csdn.net/qingdujun/article/details/46582131
- 17.29MB
ID3算法及数据集2
2017-09-05ID3算法及蘑菇数据集,幼儿园数据集 ID3算法及蘑菇数据集,幼儿园数据集 ID3算法及蘑菇数据集,幼儿园数据集
- 14.65MB
数据挖掘:概念与技术 第二版 PDF
2023-07-19"这是一份详细的数据挖掘教程,名为《数据挖掘:概念与技术》第二版。这份教程提供了数据挖掘的基本概念、关键技术和最佳实践,适合初学者和专业人士阅读。无论是希望了解数据挖掘基础,还是希望深化对该领域的理解...
- 46.5MB
数据挖掘:概念与技术(原书第3版)
2019-04-22数据挖掘:概念与技术(原书第3版)
- 21.4MB
《数据挖掘:概念与技术》PPT
2018-04-26《数据挖掘:概念与技术》第三版原书PPT。该PPT虽然是英文版,但可与原书中文版对照着看,很好理解。
- 1.74MB
数据挖掘:概念与技术-韩家炜
2010-01-28数据挖掘:概念与技术书中的材料从数据库角度提供,特别强调发现隐藏在大型数据集中有趣数据模式的数据挖掘基本概念和技术。所讨论的实现方法主要面向可规模化的、有效的数据挖掘工具开发。
- 0B
大数据挖掘:概念与技术.docx
2022-11-17大数据挖掘:概念与技术.docx大数据挖掘:概念与技术.docx
- 35KB
答案2 数据挖掘:概念与技术
2010-01-18数据挖掘:概念与技术 Hanjiawei 韩家炜 答案2 key2 Solution manual
- 9.17MB
数据挖掘:概念与技术(第二版,中英文,习题答案)
2016-06-02数据挖掘:概念与技术,第二版,包括中英文版本及习题答案
- 60.24MB
数据挖掘:概念与技术(韩家炜)
2018-02-05数据挖掘:概念与技术(韩家炜),中文版第三版
- 7.45MB
数据挖掘:概念与技术2E,参考文献
2008-04-02数据挖掘:概念与技术2E(中文版)没有列出参考文献,在此提供给大家作为参考
- 963KB
数据挖掘:概念与技术 韩家炜
2016-02-28数据挖掘:概念与技术 韩家炜版 doc版本 亲测257页
- 3.72MB
韩家炜 数据挖掘:概念与技术(英文版)
2008-05-27韩家炜 数据挖掘:概念与技术(英文版),可用于毕业论文外文译文参考和英文水平较高的读者更好的学习数据挖掘
- 2.11MB
数据挖掘:概念与技术(英文版)
2008-02-28数据挖掘:概念与技术,英文版,未加密
- 33.28MB
数据挖掘:概念与技术 原书第03版
2014-04-25数据挖掘:概念与技术 原书第03版
- 7.68MB
王灿数据挖掘第三版ppt
2019-04-16《数据挖掘:概念与技术》第三版(最新版教科书)的配套中文PPT
- 1.40MB
数据挖掘:概念与技术—第3章数据预处理.pptx
2021-09-15数据挖掘:概念与技术—第3章数据预处理.pptx
- 34.94MB
Data Mining. Concepts and Techniques数据挖掘:概念与技术(韩家炜)英文版2、3版合集 高清
2014-10-01韩家炜的《数据挖掘:概念与技术》是数据挖掘方面学习的入门经典,但中文版的翻译较差,难于理解作者本义。 网上已有的英文原版资源要么是第二版,要么是第三版的整理版,现特别奉献原书第二版与第三版的高清PDF版本...
- 2.15MB
Chapter 7. Cluster Analysis 数据挖掘:概念与技术PPT 英文版.ppt
2023-06-13Chapter 7. Cluster Analysis 数据挖掘:概念与技术PPT 英文版.ppt
- 32.65MB
《数据挖掘:概念与技术(第三版)》 - 中文版
2018-04-02《数据挖掘:概念与技术(第三版)》 - 中文版 经典数据挖掘、机器学习教材,注意是可以复制内容的英文原版,非扫描版!
- 42.93MB
数据挖掘:概念与技术(中文第三版+英文第三版)
2016-04-05数据挖掘:概念与技术,压缩包内有两个pdf,分别是中文第三版及英文第三版。都为目前我找到最清晰的版本。
- 70.37MB
《数据挖掘:概念与技术》韩家炜 第四版 PPT 课件(全)
2023-08-30一共12章,对应原书中的12章内容,相交于第三版的课件,这个版本的课件内容更加与时俱进,因为...另附上《数据挖掘:概念与技术》韩家炜 第三版 PPT 课件地址:https://download.csdn.net/download/aspeipei/88274616
- 15KB
第一讲:python网络爬虫基础知识
2024-04-22本讲主要内容包括Python常见数据类型、循环与控制流以及常见的错误处理方法。这些Python基础知识非常重要,是后面进行爬虫练习必备也是最少基础内容。
- 341KB
Python基于机器学习实现的股票价格预测、股票预测源码+数据集,机器学习大作业
2023-04-18python数据分析,因为股票价格的影响因素太多,通过k线数据预测未来的价格变化基本不可行,只有当天之内的数据还有一定的关联,故feature与target都选择的是当天的数据。 加载数据 为了加快数据的处理速度,提前将mariadb数据库中的数据查询出来,保存成feather格式的数据,以提高加载数据的速度。 经过处理,不同股票的数据保存在了不同的文件中,列名还保持着数据库中的字段名。我选择了股票代码为sh600010的这只股票作为数据分析的数据来源。预测出来的结果与真实值变化趋势相近,说明线性回归模型在一定程度上能够解释收盘价与选取的feature之间的关系
- 112.88MB
用Python实现基于人脸识别的门禁管理系统(附源码+各功能截图+分类打包)
2024-05-04用Python实现基于人脸识别的门禁管理系统(附源码+各功能截图+分类打包)
- 12.37MB
【Python实战】-Python+Opencv是实现车牌自动识别(源码+数据+字符匹配模板)
2024-03-09在这个实战项目中,我们将利用Python结合OpenCV库来实现车牌识别功能。整个过程涵盖图像预处理、车牌定位、车牌字符分割以及模板匹配识别等关键步骤,对智能交通、车辆管理等实际应用领域具有显著价值。 首先,我们需要对获取的车辆图像进行预处理,这通常包括灰度化、二值化、滤波去噪等操作,以便更好地凸显车牌区域。接着,利用OpenCV的图像处理功能,我们可以实现车牌定位。这通常涉及边缘检测、轮廓查找以及形态学操作,以准确提取出车牌区域。 在车牌定位完成后,我们需要对车牌进行字符分割。这一步的目的是将车牌中的每个字符独立提取出来,以便后续进行识别。常用的字符分割方法包括垂直投影法、滑动窗口法等。通过这些方法,我们可以将车牌图像划分为多个字符区域。 最后,我们利用模板匹配的方法对分割出的字符进行识别。通过预先准备的字符模板库,我们将每个字符区域与模板库中的字符进行匹配,从而确定字符的具体内容。经过这一过程,我们可以得到完整的车牌号码。 该项目不仅可用于车牌识别技术的学习和研究,还具有实际应用价值。通过自动识别车牌号码,我们可以实现车辆追踪、违章查询、停车场管理等功能,从而提高交通管理的
- 115KB
身份证前6位对应的省市区代码(超详细)
2023-05-11身份证前6位对应的省市区代码(超详细)
- 104.35MB
基于在线教学平台的数据挖掘与学习行为分析超星集团数据集
2024-03-23基于在线教学平台的数据挖掘与学习行为分析超星集团数据集
- 143.21MB
抖音用户浏览行为数据集
2024-02-15抖音用户浏览行为数据集 文章: [ 数据挖掘实战 —— 抖音用户浏览行为数据分析与挖掘(一)](https://blog.csdn.net/m0_53054984/article/details/136121177) [ 数据挖掘实战 —— 抖音用户浏览行为数据分析与挖掘(二)](https://blog.csdn.net/m0_53054984/article/details/136123131) [ 数据挖掘实战 —— 抖音用户浏览行为数据分析与挖掘(总)](https://blog.csdn.net/m0_53054984/article/details/136122988) [ 数据挖掘实战 —— 抖音用户浏览行为数据分析与挖掘(代码部分)](https://blog.csdn.net/m0_53054984/article/details/136455033)
- 1.63MB
Hikyuu 2.0.5 高性能量化研究框架 Python 离线帮助文档
2024-05-08Hikyuu Quant Framework是基于C++/Python的高性能开源量化交易研究框架,用于策略分析及回测(目前用于国内A股市场)。其核心思想基于当前成熟的系统化交易方法,将整个系统化交易抽象为由市场环境判断策略、系统有效条件、信号指示器、止损/止盈策略、资金管理策略、盈利目标策略、移滑价差算法七大组件,你可以分别构建这些组件的策略资产库,在实际研究中对它们自由组合来观察系统的有效性、稳定性以及单一种类策略的效果。 百万级别K线回测,2~3秒完成计算,助您快速完成基于全市场的策略验证。 C++核心库,提供了整体的策略框架,在保证性能的同时,已经考虑了对多线程和多核处理的支持,在未来追求更高运算速度提供便利。C++核心库,可以单独剥离使用,自行构建自己的客户端工具。 Python库(hikyuu),提供了对C++库的包装,同时集成了talib库(如TA_SMA,对应talib.SMA),可以与numpy、pandas数据结构进行互相转换,为使用其他成熟的python数据分析工具提供了便利。