原创 install quantopian時出現No module named pip.req的解決辦法
原文鏈接：https://mp.csdn.net/mdeditor/100581001 參考：https://stackoverflow.com/questions/25192794/n
2019-09-08 09:42:36
1
原创 ADF檢驗
原文鏈接：http://www.statsmodels.org/devel/generated/statsmodels.tsa.stattools.adfuller.html 一 在py
2019-09-03 09:41:23
原创 python中去掉列表降維:ravel,flatten,reshape
原文鏈接：https://mp.csdn.net/mdeditor/100397994 1.ravel: 2.flatten: 3.reshape:
2019-09-03 09:41:23
原创 WOE,IV ,PSI，單變量PSI，KS值，capture rate
1.WOE Weight of Evidence,證據權重。 要對一個變量進行WOE編碼，需要首先把這個變量進行分組處理（離散化，分箱等）。分組後，對於第i組，這個組中響應客戶站樣本中所有響應客戶的比例爲pyip_{yi}pyi
2019-08-06 09:31:31
12
原创 FM(factorization Machines)
《Factorization Machines》paper的閱讀筆記，僅爲了整理個人思路。 個人覺得FM的本質就是預測值=偏置+權重1單變量+權重2變量之間的相互作用。 偏置和權重都可以是標量，也可以是向量 下面是本人認爲重要的文
2019-08-03 10:00:31
3
原创 keras中的類ModelCheckpoint講的比較通俗的文章
https://machinelearningmastery.com/check-point-deep-learning-models-keras/
2019-07-30 09:30:01
原创 估算張量(Tensor.eval)與執行操作(Operation.run)
import tensorflow as tf #創建數據流圖：y = Wx + b,其中，W和B爲存儲節點，x爲數據節點 x = tf.placeholder(tf.float32) W = tf.Variable(1.0) b
2019-07-30 09:30:00
原创 Momentum, RMSProp, Adam，自適應學習率
1.https://blog.csdn.net/willduan1/article/details/78070086 2.https://blog.csdn.net/weixin_37352167/article/details/
2019-07-30 09:30:00
原创 seven老師直播課筆記（7月9號，流水賬式，沒整理）
raw 數據——>能被學習的數據的過程：特徵工程 分類：離散的輸出空間 迴歸：連續的輸出空間 線性分類器： D維的空間映射到K維的空間的空間，W=W*D維 向量的點積：其物理意義是計算兩個變量之間的相關度和相似性 softmax:
2019-07-11 11:46:42
原创 7月5號線下課：集成學習（楊老師，流水賬式，沒整理）
同質集成：基學習器 異質集成：組建學習器 Boosting：串行學習，bias比較小 Bagging：並行學習，variance比較小 stacking：投票方法是學出來的，學：其實就是迭代，糾錯，遞歸， 集成學習 一 wide（
2019-07-11 11:46:42
1
原创 自然語言處理與建模
文本預處理流水線: Python的NLTK庫介紹和使用 NLTK： 官網地址：http://www.nltk.org/ Python上註明的自然語言處理庫，具有如下優點： 自帶語料庫，詞性分類庫 自帶分類，分
2019-07-06 10:58:50
原创 特徵工程中的常用操作
1.數值型數據 幅度縮放（最大最小值縮放，歸一化…） 離散化／分箱分桶（等距：pd.cut，等頻：pd.qcut）（特徵交叉） 統計值（Max，min,quentile） 四則運算（加減乘除） 幅度變化（有一些模型對輸入數據有分
2019-07-05 09:51:46
1
原创 model優化方法及偏差與方差
目標：argminxf(x)arg min_{x} f(x)argminxf(x),其中，g(x)=∇f(x),H(x)=∇∇f(x)g(x)=\nabla f(x), H(x)=\nabla \nabla f(x)g(x)=∇
2019-07-05 09:51:46
原创 循環神經網絡與應用
循環神經網絡 RNN :循環神經網絡，處理的是後續的輸出與之前的內容有關聯的任務。 RNN引入“記憶”的概念 “循環”2字來源於其每個源於都執行相同的任務，但是輸出依賴於輸入和“記憶”。NMT: neural m
2019-07-05 09:51:46
原创 卷積神經網絡
一 卷積神經網絡層級結構 保持了層級網絡結構 不同層次有不同形式（運算）與功能 主要是以下層次： 數據輸入層/input layer 三種常見的數據處理方式 去均值：把輸入數據各個維度都中心化到0 歸一化：幅度歸一化到同樣的範圍
2019-07-03 10:23:05