首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏AI机器学习与深度学习算法

    机器学习入门 4-5 超参数

    通过前面的小节,我们知道了kNN算法中k这个参数值,在sklearn中k这个值被封装成了k_neighbors参数。在前面我们随机的指定参数k的值,究竟k的值为多少的时候,模型才是最好的呢?这就涉及到了机器学习领域非常重要的问题~超参数问题。

    80830发布于 2019-11-13
  • 来自专栏Hank’s Blog

    4-5 R语言函数 split

    #split根据因子或因子列表将 向量或其他对象分组 #通常与lapply一起使用 #split(参数):split(向量/列表/数据框,因子/因子列表) > x <- c(rnorm(5),runif(5),rnorm(5,1)) > x [1] 0.61008707 0.81746169 -1.09859969 -1.78134612 -1.94262725 0.99760581 [7] 0.37793960 0.05258653 0.38525197 0.46051864 -0.

    1K40发布于 2020-09-16
  • 来自专栏大前端_Web

    javascript高级程序设计(4-5)章笔记

    版权声明:本文为吴孔云博客原创文章,转载请注明出处并带上链接,谢谢。 https://blog.csdn.net/wkyseo/article/details/51234909

    91040发布于 2018-09-27
  • 来自专栏运维之路

    【每日一思】2022年第4-5周

    一直认为理想情况下的数据运营方法应该基于“贴源层数据-》指标(至少到带有主题的流水)-》洞察-》决策-》执行”的路线,这样才能减少返工的重复性工作量。

    34120编辑于 2022-03-07
  • 来自专栏iOS面试

    iOS 面试策略之算法基础4-5节

    前面介绍了数组、字典、字符串、链表、栈、队列的处理和应用方法。本节将会探讨平常相对很少用到、面试中却是老面孔的数据结构:二叉树。本节主要包括以下内容:

    1.3K60发布于 2021-04-20
  • 来自专栏NetCore 从壹开始

    4-5 安装并迁移数据库:mysql

    docker volume create volume_name命令新建一个数据卷

    1K20编辑于 2023-01-09
  • 来自专栏AI SPPECH

    IO竞赛2025年题目解析:基础级难度(4-5)

    2025年的IO竞赛基础级(难度系数4-5)题目开始涉及更多的数据结构和算法思想,对选手的编程能力和逻辑思维提出了更高的要求。 难度进阶路径: 入门(1-3) → 基础(4-5) → 提高(6-8) → 竞赛(9-10) 难度系数 考察重点 核心知识点 学习目标 4-5 数据结构、算法应用 栈、队列、树、图的基础应用 掌握基础数据结构的使用和简单算法的实现 ) ├── 第四章:基础级题目解题技巧总结 └── 第五章:从基础到提高的学习建议 第一章:2025年IO竞赛基础级题目概述 根据2025年NOI修订版大纲,基础级(CSP-J提高)的知识点难度系数为4-

    52010编辑于 2025-11-13
  • 来自专栏跟着官方文档学小程序开发

    第二章 小程序开发指南4-5

    小程序经常需要向服务器传递数据或者从服务器拉取数据,这个时候可以使用wx.request这个API,在本章节会重点讨论wx.request的使用和注意事项。

    1.3K10编辑于 2025-08-25
  • 来自专栏前端说吧

    flag - 4-5月份预整理总结的文章目录

    关于echarts各种稀奇古怪让人想骂niang地需求的配置 js-sdk微信分享时,动态url的设置 基于ajax渲染模板的二级/多级自定义联动下拉功能封装, 一个基于promise的ajax异步请求函数封装,不用再写那么多遍的if result === 1啦! css-移动端h5在iphonex的适配 vuex的使用步骤梳理,轻松掌握。附源码 使用vue实现自定义多选与单选的答题功能 vue中使用axios,实现向请求头中传递cookie值 vue中,mode为history时,build打包后页面空白

    78730发布于 2018-06-25
  • 来自专栏韩曙亮的移动开发专栏

    【Cubase】Cubase 量化设置 ( 量化预置 | 长度量化 | 快捷键设置 | 量化开头 | 量化 MIDI 事件结尾 | 量化 MIDI 事件长度 )

    文章目录 一、要解决的问题 二、量化预置 三、长度量化 四、快捷键及设置 1、快捷键及设置 2、量化开头 3、量化 MIDI 事件结尾 4、量化 MIDI 事件长度 五、对 MIDI 进行量化操作 本博客中的所有设置都是在 ; 三、长度量化 ---- 长度量化 参数设置 : 在下图 处设置长度量化 , 如果设置成 " 1/16 " , 那么使用鼠标拖动时 , 音符的长度只能是 16 分音符的整数倍 ; 上述的 量化预置 ; 2、量化开头 量化开头 : 默认按键 " Q " 是量化开头 ; 将所有音符的开始位置对齐到 " 量化预制 " 对应的格子中 ; 该设置是系统自带的 , 不建议修改 ; 3、量化 MIDI 事件结尾 量化 MIDI 事件结尾 : 首先选中左侧的 " 量化类别 / 量化 MIDI 事件结尾 " , 点击右侧的 " 输入快捷键 " 下方的输入框 ; 输入快捷键后 , 点击 " 指定 " " 快捷键 , 量化音符长度 , 此时音符都排列整齐了 , 音符开头和音符长度进行了量化 , 音符结尾自然也进行了量化 ;

    5.1K00编辑于 2023-03-28
  • 来自专栏前端说吧

    flag - 4-5月份预整理总结的文章目录

    1.关于echarts各种稀奇古怪让人想骂niang地需求的配置 2.vue中,mode为history时,build打包后页面空白的解决方法 3.vue中使用axios,实现向请求头中传递cookie值 4.js-sdk微信分享时,动态url的设置 5.vuex的使用步骤梳理,轻松掌握。 6.一个基于promise的ajax异步请求函数封装,不用再写那么多遍的if result === 1啦! 7.使用vue实现自定义多选与单选的答题功能 8.基于ajax渲染模板的二级/多级自定义联动下拉功能封装, 9.

    92350发布于 2018-05-17
  • 来自专栏育种数据分析之放飞自我

    笔记 | GWAS 操作流程4-5:LM模型+数值+因子+PCA协变量

    第一列为FID 第二列为ID 第三列以后为协变量(注意,只能是数字,不能是字符!)

    4.6K40发布于 2020-05-29
  • 来自专栏算法之名

    量化交易

    针对可交易的投资商品,理性地运用逻辑分析和回归统计判断市场趋势称为量化交易。 量化策略 量化策略就是赚钱"因子",可以分为基本面和技术面。

    80710编辑于 2024-08-21
  • 来自专栏机器学习、深度学习

    模型量化

    下图显示不同量化策略对速度的提升影响 ? 量化卷积过程 ? 加速策略: AND, XOR and bitcount operations 训练过程 ? 分类性能对比 ?

    1K10发布于 2019-05-26
  • 来自专栏小明的博客

    量化交易

    量化投资没有确切的定义,它泛指通过数学分析、挖掘价格波动规律,或者通过对相关宏观经济、财务数据、量价关系、资金交易等数据进行建模,寻找数据之间的关系,以获得稳定利润为目标,持续计算生成定量化的投资信号 多资产多策略配置: 对冲风险更高收益 技术信息理论的三大假设 市场行为包容消化一切信息 市场运行以趋势方式演变 历史会重演(我们可以通过历史数据来推断未来走势 绩效评估指标 绩效指标也被称为风险指标,它们也是量化投资的基石

    2.9K20编辑于 2022-09-06
  • 来自专栏NetCore

    平民化量化平台-刚米量化

    目前国内量化基金规模已经越来越庞大,量化投资的规模更是巨大,计算机的运行速度已经远远超过我们大脑,虽然说无法做到每次投资都赚钱,但只要数据够大,胜率超过50%以上,甚至60%以上,经过长时间的复利,就能达到很好的效果 量化交易具有以下几个方面的特点:     1、纪律性。根据模型的运行结果进行决策,而不是凭感觉。纪律性既可以克制人性中贪婪、恐惧和侥幸心理等弱点,也可以克服认知偏差,且可跟踪。     2、系统性。 普通人是否适合量化? 1 其实普通人很难进行量化,因为量化的基础是基于历史大数据,如果实盘还需要实时数据,这些都是很耗费人工和资金的。 那普通人想要尝试量化,该如何做呢? 在刚米量化平台你可以做什么?

    1.1K30编辑于 2022-09-16
  • 来自专栏图像处理与模式识别研究所

    图像量化

    from skimage import data from matplotlib import pyplot as plt image=data.coffee()#原始图像 ratio=128#设置量化比率 range(image.shape[2]):#图片通道数 image[i][j][k]=int(image[i][j][k]/ratio)*ratio#对图像中的每个像素进行量化 本文的图像量化过程是将256级的彩色图像量化到2级的彩色图像。 量化等级越多,量化比率越低,所得图像层次越丰富,灰度分辨率越高,图像质量好,但数据量大;量化等级越少,量化比率越高,图像层次欠丰富,灰度分辨率低,可能会出现假轮廓,图像质量变差,但数据量较小。 图像量化的作用是在一定主观保真图像质量的前提下,丢掉对视觉影响不大的信息,以获得较高的压缩比。

    92520编辑于 2022-05-28
  • Python 量化

    Python 量化是指利用 Python 编程语言以及相关的库和工具来进行金融市场数据分析、策略开发和交易执行的过程。 Python 由于其简洁、易学、强大的生态系统和丰富的金融库而成为量化交易的首选编程语言之一。 量化交易在金融领域得到广泛应用,它允许交易者通过系统性的方法来制定和执行交易策略,提高交易效率和决策的科学性。 量化主要是通过数学和统计学的方法,利用计算机技术对金融市场进行量化分析,从而制定和执行交易策略。 更多 Python 量化内容可以查看:Python 量化交易。 实例应用 接下来我们先看一个 Python 量化简单的应用实例,可以使用移动平均策略,使用雅虎金融数据来实现。 该策略的基本思想是通过比较短期和长期移动平均线来生成买入和卖出信号。

    77010编辑于 2025-12-16
  • 来自专栏量化小白上分记

    从零开始学量化(一):量化如何入门

    作为在校生,进入量化行业的途径一般是首先自己在学校能掌握一定的量化基础,然后去企业找实习,最终通过实习/秋招留用。实习一般是去卖方研究所金工组、买方私募公募资管自营等各种机构,这里不介绍,可百度。 关于量化基础,实际上可以总结为三方面的能力:金融背景、数学功底和编程能力,编程能力是门槛,编程不好,什么都白谈。 接下来分别从量化、数学、金融三个角度说明。 ? 数据可视化能力 不论是做数据分析还是量化,可视化都是非常重要的,不过量化方向可视化要求相对低一些,毕竟逻辑和结果更重要。 这方面需要会的东西包括: - 宏微观经济学:了解刻画宏观经济运行的各种经济指标的含义,以及公布的时间点,频率等等,这在量化建模中非常重要,现在有很多研究所都在从宏观基本面做量化择时和经济周期预测,至于课本里学的

    16K97发布于 2019-04-24
  • 来自专栏AI算法与图像处理

    Pytorch量化入门之超分量化(一)

    来源:AIWakler 最近Happy在尝试进行图像超分的INT8量化,发现:pytorch量化里面的坑真多,远不如TensorFlow的量化好用。 背景 量化在不同领域有不同的定义,而在深度学习领域,量化有两个层面的意义:(1) 存储量化,即更少的bit来存储原本需要用浮点数(一般为FP32)存储的tensor;(2) 计算量化,即用更少的bit 对于量化后模型而言,其部分或者全部tensor(与量化方式、量化op的支持程度有关)将采用INT类型进行计算,而非量化前的浮点类型。 Training Static Quantization:静态量化,训练后静态量化,这是CV领域应用非常多的一种量化方式; Quantization Aware Training:感知量化,边训练边量化 ,一种比静态量化更优的量化方式,但量化时间会更长,但精度几乎无损。

    3.6K22发布于 2021-02-05
领券