发帖
雷达卡
首先是数学
涉及统计学、微积分、概率、线性代数等。
大家虽然都学过高等数学，但如果你还记得里面的细节，算你牛。
更可能的情况是，多数人都对高等数学忘记了，面对各种算法里的大量公式，感到厌恶，甚至恐惧。
然后是机器学习
机器学习的流程：
- 数据处理
- 建模
- 评估指标（如 MSE、ROC 曲线）
- 模型部署
- 过度拟合
- 正则化等
机器学习是一个相对前沿的IT技术。知识点散而且多，目前基本没有系统性，快速发展的技术。
协鑫集成的主力们就很有个性，常常走出逆市的行情。而且上涨和下跌，变化的也非常的快。
常用的算法
包括了大量的数学公式：
- 线性回归
- 逻辑回归
- 神经网络
- SVM
- Knn
- K-Means
- 决策树
- 随机森林
- AdaBoost
- 朴素贝叶斯
- 梯度下降
- 主成分分析
股票分析中的模型
首先，模型的参数越多，机器学习的结果会越准确。
股票分析相对于其它业务的分析，优势在于历史数据的积累，而且这些数据是公开的。
同时，技术分析流派更是总结出非常多经典技术分析方法，这些都是可以借鉴的。但并不能直接拿来使用。
最核心的重点，就是不断总结出新的模型和python对这些模型的机器学习优化过程。
京公网安备 11010802022788号
