机器学习-学习笔记

白天 夜间 首页 下载 阅读记录
  我的书签   添加书签   移除书签

4、量化投资

浏览 86 扫码 分享 2023-11-22 00:31:58

    Qlib

    https://github.com/microsoft/qlib
    https://www.bilibili.com/video/BV1yv411J7Cj

    若有收获，就点个赞吧

    0 人点赞

    上一篇:
    下一篇:
    • 书签
    • 添加书签 移除书签
    • 小方向
      • 1-可解释性
        • AAAI 2020 Explainable Merchine Learning Tutorial
        • [book]-Interpretable Machine Learning
          • 第六章 Example-Based Explanations
          • 第五章 Model-Agnostic Methods
          • 第四章 Interpretable Models-可解释性模型
          • 第二章 可解释性-interpretability
        • [2015-CAM]Learning Deep Features for Discriminative Localization
          • 总结
        • [2019-GradCAM]Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization
        • [2018-LIME]“Why Should I Trust You?” Explaining the Predictions of Any Classifier
      • 2-对比学习
      • 3-归纳偏置
      • 4-Uplift算法
      • 5-迁移学习
        • zero-shot learning
      • 6-模型压缩
      • 7-多模态
        • [2020-综述]Multimodal Intelligence: Representation Learning,Information Fusion, and Applications
        • [2017-综述]Multimodal Machine Learning: A Survey and Taxonomy
      • 8、元学习
    • 大方向
      • 1-自然语言处理
      • 2-计算机视觉
      • 3-图神经网络
        • [2020-轻量级GCN-何向南]LightGCN: Simplifying and Powering Graph Convolution Network for RS
      • 4-强化学习
        • 周博磊-强化学习公开课
          • 第二课-马尔科夫决定过程
          • 第三课-无模型的价值函数估计和控制
    • 基础理论
      • 1-泛化理论
        • [2020-OpenAI]Scaling Laws for Neural Language Models
        • 李宏毅2018-DL理论
        • [译文]Are Deep Neural Networks Dramatically Overfitted?
        • [2018-泛化性]Sensitivity and Generalization in Neural Networks: an Empirical Study
        • [2017-应用分析]An Analysis of Deep Neural Network Models for Practical Applications
        • [2019-不同层作用]Are All Layers Created Equal
        • [2017-泛化性理解]Understanding deep learning requires rethinking generalization
        • 深度学习的泛化性
          • 研究方法
      • 2-网络结构
      • 3-正则化
      • 4-置信度
    • 读书笔记
      • 统计学习基础
        • 第三章 Linear Methods for Regression
    • 公开课学习
      • 李宏毅-2022
        • Spatial Transformer Layer
        • CNN
        • seq2seq
          • Sequence to Sequence Learning with Neural Networks
        • self-attention
      • CS224
      • CS231
    • 工业界方向
      • 1-推荐
      • 2-搜索
      • 3-广告
      • 4、量化投资
    • 损失函数与评估指标
      • 1-AUC
    暂无相关搜索结果！

      让时间为你证明

      展开/收起文章目录

      分享，让知识传承更久远

      文章二维码

      手机扫一扫，轻松掌上读

      文档下载

      请下载您需要的格式的文档，随时随地，享受汲取知识的乐趣！
      PDF文档 EPUB文档 MOBI文档

      书签列表

        阅读记录

        阅读进度: 0.00% ( 0/0 ) 重置阅读进度
          思维导图备注