基于机器学习的量化投资策略demo.zip这是一个demo程序，旨在帮大家快速入门基于机器学习的量化投资方法。适于人群：有一定python基础，对炒股和量化投资一无所知的人。
运行程序
首先，通过以下命令安装必需的python依赖库。
pip install -r requirements.txt
调用tusare，获取股票的历史价格数据。每支股票的数据会保存在file/data目录下，所有股票的代码保存在文件file/stock_list.txt中，作为demo我只往里面放了10支股票，实战中应该尽可能地多放一些。
python data.py
根据基础的价格数据，生成机器学习模型所需要的高级特征。最终的特征文件是pickle二进制格式，存放在目录file/feature下。
python feature.py
训练lightGBM模型。模型文件是file/model.lgb.txt。
python model.py
根据历史数据回测模型效果。每天应该买入哪支股票以及对应的收益会存储在文件file/record.csv中，同时会计算量化投资最经常关注的三个指标：累积收益、最大回
2022-12-13 13:26:06
736KB
基于DEM提取河网的原理：
计算每个单元的流向（指水流离开网格时的指向）；
通过流向确定水流累积矩阵；
选择一个阈值，将所有水流累积值大于该阈值的点连结起来即是河网。
该法目前已经得到广泛的应用，如ArcGIS等GIS软件采用了该法。
但此法仍存在问题： DEM中存在洼地和大片平地问题，分别会造成不连续的或平行的河网。因此，发展了填洼处理来消除洼地影响，通过抬升平地来避免产生大量不合理的平行河网。
2022-12-01 21:20:48
10.06MB
1
空中图
概述
加载不同格式的相机姿势（例如 ， ）
从原始图像，相机姿势和相机内部生成密集的点云
从原始点云生成数字表面模型（DSM）并导出，例如导出为格式
从原始图像，相机姿势和相机内在函数生成（正交）马赛克的不同方法
包装概述
元数据包
示例可执行文件。
使用平面校正生成密集点云。
数字曲面贴图/模型生成。
Google Maps API的包装程序包。
包装程序包。
读取/写入姿势，内在函数，点云，GeoTiffs等的输入/输出处理程序。
用于（）镶嵌生成的不同方法。
包含第三方代码的软件包。
aircraft_mapper_utils：通用实用程序功能的软件包。
入门
如何安装
如何运行（+示例数据集）
如何贡献
输出样本
密集点云（来自虚拟立体声对，2张图像）
数字表面图（DSM，导出为GeoTiff）
（正交）马赛克（来自单应性，249张图像）
原
2022-11-28 16:15:11
115KB
1
NASA的SRTM1 30米DEM数据，安徽的，全是hgt文件，没有合并，也没有按行政区划精确裁剪，有需要可以去图新地球里下载kml文件来裁剪。
2022-11-23 22:17:10
180.19MB
1
相对于笔者在已发表论文中所提出的一般性方法，本文在算法上有了进一步的改善或扩展。结果表明，这些措施在保证综合效果的前提下，可以大大提高DEM的综合速度，从而为海量DEM数据的全局动态式综合提供了现实的可能性。
2022-11-12 12:27:17
3.52MB
1
包含中国全国高程dem数据，分别有250m、500m、1km分辨率的数据，可以自行选择需要的分辨率，文件是tif格式，支持Arcgis、envi等软件打开
2022-11-09 13:33:46
341.4MB
1
DEM是对地形地貌的一种离散的数字表达，是对地面特性进行空间描述的一种数字方法、途径，它的应用可遍及整个地学领域
2022-10-24 17:51:13
3.86MB
1