Advances in Financial Machine Learning By 作者: Marcos Lopez de Prado ISBN-10 书号: 1119482089 ISBN-13 书号: 9781119482086 Edition 版本: 1 出版日期: 2018-02-21 pages 页数: (400) $50 Machine learning (ML) is changing virtually every aspect of our lives. Today ML algorithms accomplish tasks that until recently only expert humans could perform. As it relates to finance, this is the most exciting time to adopt a disruptive technology that will transform how everyone invests for generations. Readers will learn how to structure Big data in a way that is amenable to ML algorithms; how to conduct research with ML algorithms on that data; how to use supercomputing methods; how to backtest your discoveries while avoiding false positives. The book addresses real-life problems faced by practitioners on a daily basis, and explains scientifically sound solutions using math, supported by code and examples. Readers become active users who can test the proposed solutions in their particular setting. Written by a recognized expert and portfolio manager, this book will equip investment professionals with the groundbreaking tools needed to succeed in modern finance.

java-自动售货机 使用 Java 和 TDD 实现自动售货机的简单练习。 项目概况 Java 8 实现。 Groovy 2.3.x 测试。 用于解耦领域概念的接口（并且令人讨厌的是，以避免 GMock 中的 CGLIB 目标类代理问题）。 用于模拟的 GMock（因为它比 Mockito 少得多）。 带有静态分析的 Gradle 项目。 这个项目有点矫枉过正，但为了传达我的开发偏好。 更多笔记即将到来... 如何构建 此项目的客户将需要 Java 8u25 或更高版本。 要构建项目，只需从项目的根目录运行： ./gradlew clean build 。 完成后，自动售货机演示可以使用： ./gradlew clean run 当前状态

Hands on Machine Learning with Scikit Learn and TensorFlow 英文原版 彩色配图

很好的一本机器学习入门书，豆瓣9.5分神作.强烈推荐！！

cart回归matlab代码 机器学习 这次来北京，主要还是想要自己能学一些东西，所以还是使用Matlab代码，所以我这里暂时就先用Matlab算法来计算，如果不行，我们再使用R语言来去计算 数据挖据的功能及应用 分类： 决策树、支持向量机、K-近邻、贝叶斯 聚类分析： K-means；K-中心；DBSan 预测： 线性回归；非线性回归 关联分析： 统计 数据挖掘的流程 商业理解（需求理解） 数据理解 数据准备（构造数据最终集合、净化和转换数据） 模型建立（选择和应用各种模型技术，矫正和优化个证模型参数） 模型评估 模型发布 1.数据清洗 清洗方法：解决不完整数据、错误噪声（偏差分析、回归分析、规则库） 错误噪声的解决方法： 分箱！！！ 划分成等深的箱，用箱平均值平滑或者用边界平滑 重复记录的数据：套牌车，这可以是一个很好的课题 实时 实际应用：车辆轨迹数据清洗，北京市12712辆出租车，2011年11月11日之后的30天的GPS采样数据，共有333651069个，平均采样点数量26349 不真实点（超出北京的经纬范围），重复时间点（同一时间的多个点），高速点（大于90km/h），距离

《Machine Learning in Action》

Unsupervised Learning: Deep Auto-encoder Auto-encoder Deep Auto-encoder Auto-encoder – Text Retrieval Auto-encoder – Similar Image Search Auto-encoder for CNN CNN -Unpooling CNN - Deconvolution

Traffic_sign_recognition：使用定向梯度直方图（HOG）和基于色域的功能识别交通标志。 支持向量机（SVM）用于对图像进行分类

ml-in-action：出版书籍《机器学习入门到实践——MATLAB实践应用》一书中的实例程序。涉及监督学习，非监督学习和强化学习。（本书的代码“ MATLAB中的机器学习简介与操作” ”）

自由翻译 | | 免费和开源机器翻译 API，完全自托管。 与其他 API 不同，它不依赖专有提供商（如 Google 或 Azure）来执行翻译。 | API 示例 要求： const res = await fetch ( "https://libretranslate.com/translate" , { method : "POST" , body : JSON . stringify ( { q : "Hello!" , source : "en" , target : "es" } ) , headers : { "Content-Type" : "application/json" } } ) ; console . log ( await res . json ( ) ) ; 回复： { "translatedText" : "