导语

本文介绍了机器学习的相关内容。

先从一个故事讲起

机器学习这个词是让人疑惑的，首先它是英文名称Machine Learning(简称ML)的直译，在计算界Machine一般指计算机。这个名字使用了拟人的手法，说明了这门技术是让机器“学习”的技术。但是计算机是死的，

导语

在机器学习模型建立过程中通常需要对模型中的超参数进行优化，本文给大家介绍超参优化模块，它可以帮助大家对我们平台上的机器学习模型进行超参数优化，让你的收益更上一层楼

超参寻优理论简介

在机器学习里，我们本质上是对损失函数进行最优化的过程。过程类似下面的曲面，算法试图去寻找损失曲

导论

异常值问题在数据分析中经常遇到，本文介绍了多种处理数据异常值的方法。

在金融数据分析中，常常会遇到一些值过大或者过小的情况，当用这些值来构造其他特征的时候，可能使得其他的特征也是异常点，这将严重影响对金融数据的分析，或者是影响模型的训练。下面将带大家学习一些关于异常点处理

什么是凸函数

直观的，图1是一维凸函数的示例。一维情况下，不严格的说，凸函数是弦

导语

线性回归模型的最大特点就是简单高效，本文将对线性回归做详细介绍。

简介线性回归

线性回归是衡量两个变量之间线性关系的一种建模技术。 如果我们有一个变量X和一个依赖变量X的变量Y，则线性回归可以确定哪个线性模型Y=α+βX能够最好地解释数据。 例如，我们考虑

导语

Python作为一门最热门的语言，现在已经成为数据分析、编程门投资、机器学习的主流语言。

Python是什么？

Python是一种计算机程序设计语言。你可能已经听说过很流行的编程语言，比如非常学的C语言，非常流行的Java语言等等，适合初级的基本的JavaScri

贝叶斯定理是机器学习领域中的一种重要算法。它的基本思想是根据已知数据和先验概率，通过贝叶斯公式计算出后验概率，从而进行分类或预测。朴素贝叶斯（Naive Bayes）是贝叶斯算法中的一种经典方法，也是为数不多的基于概率论的分类算法。它在拼写检查、语言翻译、生物医药、疾病诊断、邮件过滤、文本分类等诸多

导语

本文介绍Python编程中非常重要的条件与循环的相关知识点。

\

本文由BigQuant宽客学院推出，版权归BigQuant所有，转载请注明出处。

\

class torch.nn.LSTM(*args, **kwargs)

参数列表

input_size：x的特征维度 hidden_size：隐藏层的特征维度 num_layers：lstm隐层的层数，默认为1 bias：False则bih=0和bhh=0. 默认为True b

gplearn核心概念

它是一个基于Python的库，旨在通过遗传编程（Genetic Programming, GP）实现机器学习的功能。遗传编程是一种自动化的机器学习方法，通过模拟达尔文的自然选择理论来解决问题。它属于遗传算法的一种，通过选择、交叉（杂交）、变异等操作对程序（个体

导语

本文介绍了Python中非常重要的数据类型——列表。

Python内嵌数据的类型：

有序：

List（列表），是有序集合，没有固定大小，可以通过对偏移量以及其他方法修改列表大小。列表的基本形式如：[1,2,3,4]

Tuple（元组），是有序集合，

导语

之前在社区分享过一个初版的强化学习策略，之后我们在那个基础上做了一些调整和优化，本文主要是关于新版策略的一些介绍和结果分析。

与初版策略的区别

新版策略与初版的主要区别在于state的定义不同。初版用当天的OHLCV和7个常用因子数据作为一条state。新版设置了一个win

什么是GAN？（本文内容整理自网络）

GAN（Generative Adversarial Netwo，生成对抗网络）是用于无监督学习的机器学习模型，由Ian Goodfellow等人在2014年提出，由神经网络构成判别器和生成器构成，通过一种互相竞争的机制组成的一种学习框架。

![

导语

机器学习已经成为量化策略设计中的一大利器，了解各种机器学习算法的原理、特点、优劣，对于量化建模有着极大的帮助。因此，本系列【专题研究】介绍几种在资本市场中非常流行的机器学习算法及其在选股方面的相应应用，希望能对大家有所帮助。

随机森林是当前使用最广泛的机器学习集成

导语

本文介绍了峰度和偏度以及如何运用这两个统计指标进行数据的正态性检验。

[https://bigquant.com/codeshare/00af3416-796d-43b9-9726-489d436a98ee](https://bigquant.com/codeshare/00a

导语

上篇报告介绍了集成学习里Bagging方法的代表算法随机森林，本文将着眼于另一种集成学习方法：Boosting，并深入介绍Boosting里的“王牌” XGBoost 模型。最后，以一个实例介绍XGBoost模型在智能选股方面的应用。

Boostin

#102
def int_most(arr):
    max_element = None
    max_count = 0
    current_element = None
    current_count = 0

    for element in ar

研究科学家Hado van Hasselt探讨了为什么学习主体同时平衡探索和利用已获得的知识很重要。

[/wiki/static/upload/98/988872ab-a494-42d8-99e4-e3533441abb7.mp4](/wiki/static/upload/98/988872ab-

贝叶斯优化是一种基于贝叶斯定理的优化方法，广泛应用于机器学习、金融建模和其他需要高效搜索最优参数的领域。它通过构建目标函数的概率模型，并在此基础上逐步更新和优化参数选择，从而实现高效的全局优化。

算法原理

1. 目标函数：

   1. 这是需要优化的函数，通常

第10讲:近似动态规划 研究科学家Diana Borsa介绍了近似动态规划，探讨了我们可以从理论上说的近似算法的性能。

[https://www.youtube.com/watch?v=AJejcug2brU](https://www.youtube.com/watch?v=AJejcug2brU

导语

这是本系列专题研究的第四篇：基于卷积神经网络CNN的深度学习因子选股模型。卷积神经网络（Convolutional Neura

Numpy（Numerical Python）和Pandas两个库是Python编程语言中两个极其重要的库，尤其在数据科学、金融分析和量化投资领域。尽管它们在处理数据方面有所重叠，但各自设计的初衷和优势领域有所不同。

![](/wiki/api/attachments.redirect?id=5