通过深度学习股价截面数据分析和预测股票价格

更多精彩内容,欢迎关注公众号:数量技术宅,也可添加技术宅个人微信号:sljsz01,与我交流。 引言 不论在学术领域还是实践范畴上,股价预测一直是重要的研究课题。直到现在,各种预测股价的理论仍然在不断研究中。在金融领域,用来解释股票价格界面分析的特性被称为“因子”,很多金融方面的研究已经识别出了这些 ... »

三种梯度下降算法的区别(BGD, SGD, MBGD)

前言 我们在训练网络的时候经常会设置 batch_size,这个 batch_size 究竟是做什么用的,一万张图的数据集,应该设置为多大呢,设置为 1、10、100 或者是 10000 究竟有什么区别呢? # 手写数字识别网络训练方法 network.fit( train_images, trai ... »

使用 TensorBoard 可视化模型、数据和训练

在训练数据上训练模型,并在测试集上测试模型。为了看到发生了什么,当模型训练的时候我们打印输出一些统计值获得对模型是否有进展的感觉。我们可以做的比这更好:PyTorch 整合了 TensorBoard,为可视化训练中的神经网络结果的工具。这篇博文说明了它的一些功能,使用可以被 torchvision... ... »

机器学习(二):理解线性回归与梯度下降并做简单预测

预测从瞎猜开始 按上一篇文章所说,机器学习是应用数学方法在数据中发现规律的过程。既然数学是对现实世界的解释,那么我们回归现实世界,做一些对照的想象。 想象我们面前有一块塑料泡沫做的白板,白板上分布排列着数枚蓝色的图钉,隐约地它们似乎存在着某种规律,我们试着找出规律。 白板上的图钉(数据)如上图所示, ... »

torch.nn 的本质

PyTorch 提供了各种优雅设计的 modules 和类 torch.nn,Dataset 来帮助你创建并训练神经网络。为了充分利用它们的力量并且根据你的问题定制它们,你需要真正地准确了解它们在做什么。为了建立这种理解,我们首先从这些模型(models)上不使用任何特性(features)在 M... ... »

机器学习(一):5分钟理解机器学习并上手实践

引言 现在市面上的机器学习教程大多先学习数学基础,然后学机器学习的数学算法,再建立机器学习的数学模型,再学习深度学习,再学习工程化,再考虑落地。这其中每个环节都在快速发展,唯独落地特别困难。我们花费大量时间成本去学习以上内容,成本无疑是特别昂贵的。所以我们不如先“盲人摸象”、“不求甚解”地探索下机器 ... »

通过实例学习 PyTorch

本文翻译自 PyTorch 的 Tutorial 中的一篇文章,本文简单介绍了 PyTorch 的计算流程;简单地介绍了 PyTorch 的基础,并且伴随着一些独立的例子实现多项式拟合的问题。 其中包括:先使用 NumPy 实现一个多项式拟合热身、然后使用 PyTorch 中 Tensor 张量的... ... »

yolov5实战之皮卡丘检测

前言 从接触深度学习开始一直都做的是人脸识别,基本上也一直都在用mxnet. 记得之前在刚接触的时候看到博客中写到,深度学习分三个层次,第一个层次是分类,第二个层次是检测,第三个层次是分割。人脸识别算是分类问题,也就是一直在第一个层次···一直都想有机会了解下第二个层次,奈何精力有限,工作中也没有实 ... »

太天才了,把感知机组装在一起是不是就是神经网络了?

大家好,今天来继续聊聊深度学习。 有同学跟我说很久没有更新深度学习的模型了,倒不是不愿意更新,主要是一次想把一个技术专题写完。但是纯技术文章观众老爷们不太爱看,所以我一般都把纯技术文章放在次条。不过既然有同学催更,那么我还是响应一下需求,来更新一篇。 神经网络与感知机的不同 上一篇文章当中我们讲了感 ... »

关于 RNN 循环神经网络的反向传播求导

本文对 RNN 循环神经网络的反向传播的求导过程进行了描述,并且通过计算图使用链式法则对神经元上的参数进行求导;另外使用 PyTorch 的自动求梯度机制对推出的公示结果进行验算。 ... »

让机器有温度:带你了解文本情感分析的两种模型

摘要:本篇博文从模型和算法的视角,分别介绍了基于统计方法的情感分析模型和基于深度学习的情感分析模型。 文本情感分析(Sentiment Analysis)是指利用自然语言处理和文本挖掘技术,对带有情感色彩的主观性文本进行分析、处理和抽取的过程。目前,文本情感分析研究涵盖了包括自然语言处理、文本挖掘、 ... »

pytorch模型结构可视化,可显示每层的尺寸

最近在学习一些检测方面的网络,使用的是pytorch。模型结构可视化是学习网络的有用的部分,pytorch没有原生支持这个功能,需要找一些其他方式,下面总结几种方法(推荐用4)。 1. torch .pt -> netron netron是一个专门可视化模型的工具,支持很多格式,很自然的就是用它直接 ... »

向量、矩阵和张量的导数

本文讲述了关于向量、矩阵和张量之间的求导的一些知识和方法,其中包含了两个向量之间的求导,向量与矩阵的导数,如何处理更高维数的数组(张量),最后如何在矩阵和向量的导数上运用链式法则。 ... »

云主机搭建深度学习环境

今天申请了一台云主机,一下是搭建深度学习环境的过程: 整体还是很多坑的,基本上的思路就是遇到问题解决问题,每个人的环境不一样,网上基本都有解决方案 1.确认机器到底有没有GPU 运维有时候会搞错,可能给一台压根没有GPU的机器,这个可以用lspci命令来查看是否有GPU的信息 2.确认机器有没有GP ... »

关于 Softmax 回归的反向传播求导数过程

本文对 Softmax 的反向传播的求导过程,进行了公式的推导,并对每个式子加以说明;由于本人数学功底有限,很多概念都是现查现学,如有描述不对的地方,还请各位指出改正。 ... »

前置机器学习(五):30分钟掌握常用Matplitlib用法

Matplotlib 是建立在NumPy基础之上的Python绘图库,是在机器学习中用于数据可视化的工具。 我们在前面的文章讲过NumPy的用法,这里我们就不展开讨论NumPy的相关知识了。 Matplotlib具有很强的工具属性,也就是说它只是为我所用的,我们不必花太多的精力去精进它。我们只需要知 ... »

深度学习炼丹术 —— Taoye不讲码德,又水文了,居然写感知器这么简单的内容

手撕机器学习系列文章就暂时更新到此吧,目前已经完成了支持向量机SVM、决策树、KNN、贝叶斯、线性回归、Logistic回归,其他算法还请允许Taoye在这里先赊个账,后期有机会有时间再给大家补上。 更新至此,也是收到了部分读者的好评。虽然不多,但还是非常感谢大家的支持,希望每一位阅读过的读者都能够 ... »

Boltzmann Machine 玻尔兹曼机入门

Generative Models 生成模型帮助我们生成新的item,而不只是存储和提取之前的item。Boltzmann Machine就是Generative Models的一种。 Boltzmann Machine Boltzmann Machine和Hopfield Network对比 En ... »

万字长文,详解推荐系统领域经典模型FM因子分解机

在上一篇文章当中我们剖析了Facebook的著名论文GBDT+LR,虽然这篇paper在业内广受好评,但是毕竟GBDT已经是有些老旧的模型了。今天我们要介绍一个业内使用得更多的模型,它诞生于2010年,原作者是Steffen Rendle。虽然诞生得更早,但是它的活力更强,并且衍生出了多种版本。我们 ... »