發(fā)簡(jiǎn)信
IP屬地：上海
-
量化+AI | 本地mysql庫(kù)構(gòu)建和數(shù)據(jù)導(dǎo)入背景/目標(biāo) 本量化系列主要是針對(duì)個(gè)人或者小型投資團(tuán)隊(duì)進(jìn)行量化+機(jī)器學(xué)習(xí)實(shí)操的學(xué)習(xí)和實(shí)踐筆記本篇的主要目標(biāo)是實(shí)現(xiàn)mysql數(shù)據(jù)庫(kù)的創(chuàng)建和儲(chǔ)存歷史交...
-
量化+AI | 量化投資回測(cè)框架選擇
背景/目標(biāo) 本量化系列主要是針對(duì)個(gè)人或者小型投資團(tuán)隊(duì)進(jìn)行量化+機(jī)器學(xué)習(xí)實(shí)操的學(xué)習(xí)和實(shí)踐筆記本篇的主要目標(biāo)是實(shí)現(xiàn)對(duì)量化策略的框架選擇在量化投資學(xué)習(xí)...
-
NLP | DSSM雙塔模型類綜述背景：在NLP中，對(duì)于兩個(gè)文本比較和分析的任務(wù)，比如文本相似度或者問(wèn)答模型，因?yàn)樯婕暗絻蓚€(gè)輸入源，如果使用單一的神經(jīng)網(wǎng)絡(luò)模型，會(huì)使得神經(jīng)網(wǎng)絡(luò)需要...
-
機(jī)器學(xué)習(xí) | 無(wú)特征URL異常模式檢測(cè)背景：很多情況下，對(duì)于異常URL的判別是一項(xiàng)重要的工作，特別是在風(fēng)控或者是安全防護(hù)的環(huán)境下。而在很多情況下，是無(wú)法獲取很多跟URL本身相關(guān)的信息...
-
工程問(wèn)題 | pip upgrade problem背景：在使用Github項(xiàng)目的時(shí)候，往往會(huì)遇到某個(gè)Python package對(duì)于版本的要求跟當(dāng)前機(jī)器上的版本不符。通常的做法是通過(guò)pip in...
-
機(jī)器學(xué)習(xí) | 為什么softmax函數(shù)需要減去一個(gè)max值背景：在softmax函數(shù)對(duì)vector值進(jìn)行計(jì)算，轉(zhuǎn)換為[0, 1]區(qū)間的概率值的時(shí)候，往往會(huì)先對(duì)vector中每個(gè)元素減去一個(gè)max(vec...
-
工程技術(shù) | 如何在pypi上傳開源項(xiàng)目背景：對(duì)于Python項(xiàng)目，通常通過(guò)pypi將項(xiàng)目封裝之后上傳開源。好處是對(duì)于用戶可以更方便的下載安裝和使用。目的：本文主要介紹了開源項(xiàng)目包含的...
-
工程技術(shù) | Python開源項(xiàng)目requirements.txt背景：在Python項(xiàng)目中，涉及到使用虛擬環(huán)境來(lái)運(yùn)行項(xiàng)目的需求，主要目的是通過(guò)虛擬環(huán)境來(lái)隔離依賴包的環(huán)境，防止依賴沖突的情況。目的：本文主要介紹...
-
機(jī)器學(xué)習(xí) | 機(jī)器學(xué)習(xí)課程筆記（組合模型-1）1. 組合模型對(duì)于模型bias以及variance的影響： 定義bias：期望輸出與真實(shí)標(biāo)記的差別稱為偏差。variance：不同的訓(xùn)練數(shù)據(jù)集訓(xùn)...