https://towardsdatascience.com/creating-bitcoin-trading-bots-that-dont-lose-money-2e7165fb0b29
https://mp.weixin.qq.com/s?__biz=MzU1NzE0MDk1MA==&mid=2247487115&idx=1&sn=8c34b2c95caf4ac1a88346c0baac0ccc&chksm=fc3b1032cb4c9924c52a87c5a8510c948a4ba0c6c2a268f6c753380e1410fd5e7363892eac2b&token=1477352582&lang=zh_CN&scene=21#wechat_redirect
二、決策樹（Decision Tree） 算法基本思想：根據數據集中數據的特徵進行逐步的推理、判斷，從而達到分類或預測的目的。決策樹屬於圖解法，因爲類似於樹的結構，因此成爲決策樹。常見的決策樹算法有ID3、C4.5以及CART。 算法舉例
在做分類時常常需要估算不同樣本之間的相似性度量(SimilarityMeasurement)，這時通常採用的方法就是計算樣本間的“距離”(Distance)。採用什麼樣的方法計算距離是很講究，甚至關係到分類的正確與否。 本文的目的就
原文地址http://bbs.cvmart.net/topics/302/cvpr 作爲計算機視覺領域三大頂會之一，CVPR2019（2019.6.16-6.19在美國洛杉磯舉辦）被CVers 重點關注。目前CVPR 2019 接收結果已
