机器学习是量化金融中一个越来越重要和有争议的话题。 关于机器学习技术是否可以成为实用的投资工具，一直存在激烈的争论。 尽管机器学习算法可以发现微妙的、上下文的和非线性的关系，但在尝试从嘈杂的历史数据中提取信号时，过度拟合会带来重大挑战。 在本文中，我们描述了一些围绕机器学习的基本概念，并提供了一个简单的例子，说明投资者如何使用机器学习技术来预测股票收益的横截面，同时限制过度拟合的风险。

内容摘要： 在该资源文件夹当中包括了数据预处理和特征工程后的数据（数据来源于第五届泰迪杯技能赛，数据经过作者预处理和特征工程），以及一步导出随机森林训练结果的模型评估函数，模型的特征重要性图像、模型评估的混淆矩阵。同时资源中还有数据不平衡得处理操作，实现方式为下采样。在资源当中还实现了，利用遗传算法（GA）对随机森林进行n_estimators、max_depth、min_samples_split、min_samples_leaf、max_features的参数优化。 资源结构： -BinaryClassification(GA) --data：数据 --image：导出图片 --model：模型参数 --Binary_RF(GA).py：遗传算法优化 --BinaryRF.py：常规随机森林分类 适合人群： 该资源适合用来竞赛和写论文，可以快速导出结果，大大节省时间。 使用建议： 二分类数据预处理和特征工程处理好后，导入数据分配好特征和标签，然后运行就可以导出模型的训练权重和模型的特征重要性图像、模型评估的混淆矩阵图像。遗传算法调参属于进阶内容，不懂得可以私信作者。

分类算法（决策树、支持向量机）建立决策函数，然后判断如下数据的类别。 （青年，是，否，非常好）请按列表写结果并附加程序和运行结果。

练习使用 Python 语言，请对“西瓜数据集2.0"中的数据进行分析，使用朴素贝叶斯方法学习西瓜数据后验条件概率分布，并对如下瓜的类型做出判断（乌黑，蜷缩，浊响，稍糊，平坦，硬滑）将 Python 运行结论截图上传到本题

石家庄20160701-20170701.csv

机器学习公式推导以及解析

深度学习里一宏PPT的参考

机器学习西瓜书的公式解析

随机森林图像matlab代码指静脉生物特征识别 使用机器学习的手指静脉生物识别 使用机器学习算法分析人的手指静脉数据的MATLAB应用程序。 手指静脉生物识别技术是最先进的身份验证系统之一，它解决了现有身份验证系统的许多问题。 支持向量机（具有线性，RBF，MLP，二次和多项式内核），随机森林，决策树，线性和逻辑回归，K均值，DB扫描，最近邻居，K最近邻居是用于训练的一些算法并测试数据集。 使用过的CCD扫描图像数据。 这些图像经过预处理，过滤并使用所得数据。 2D绘图显示了分类结果和精度。 源代码具有静态文件路径，如果处理不当，可能会出错。

Feature Engineering for Machine Learning_Principles and Techniques for Data Scientists(2018.03).A4