个人笔记

1 Hessian-Free 优化概述

A brief overview of “Hessian-Free” optimization

1.1 最大的误差减小量

The maximum error reduc

Read more

1

Read more

Read more

1 图像识别的困难之处

Why object recognition is difficult

• 图像割裂：很难决定部件与物体的归属关系，物体和物体也存在重叠问题
• 光照：像素的亮度即会受到物体影响，也会受到光照影响
• 变形：物体可能有多个形态，比如阿拉伯数字2的多种写法。
• 分类的主观性：物体常常根据用途分类，同一个用途的物体常常有多

Read more

1 学会预测下一个词

Learning to predict the next word

1.1 关系信息

下图包含了家庭的关系信息，其

Read more

1 线性神

Read more

1 主流神经网络架构

An overview of the main types of neural network architecture

1.1 前馈神经网络

Feed-forward neura

Read more

1 为什么需要机器学习

Why do we need machine learning?

面对一个复杂而多变的场景，我们很难通过单纯的程序逻辑去诠释：

• 如何在复杂环境中判断三维物体在不同灯光和角度下的状态？
• 如何合理推测信用卡欺诈的可能性？欺诈是一个动态可变的过程

机器学习的优势：

• 可以通过示例的输入输出进行算法自动学习，得到海量弱规则
• 好的（没有过拟合的）模型不仅适用于训练集，也适用于新的数据
• 面对动态可变的过程，可以通过新增数据训练，不断优化完善模型

神经网络

Read more

基本信息

1 课程标题：《机器学习与量化交易实战》

2 授课讲师：- 量化冯老师

3 授课日期：2016-10

4 品读时间：2021-08-19~2021-08-27

5 整体耗时：约35h

6 摘要

量化交易综述、机器学习综述、常用量化指标、基本建模流程 风险控制策略、模型评估改进、交易系统架构、指导深入方向

#课

Read more

1 回顾

1. 爬取数据
2. 数据的清洗
3. 特征工程、机器学习、量化指标
4. 模型评估、回测风控
5. 构建系统

2 论文速读

标题：Stock Price Forecasting using Support Vector Machines and Improved Particle Swarm Optimization 日期：2012-06-02

特点：

• 采用SVM+粒子滤波（在时序数据中表现优于卡尔曼滤波）进行建模
• 基本输入为价格+其他量化指数

• 但是最后的模型评价和回测有点糟糕

标题：Modeling

Read more