- 综合排序
- 最热优先
- 最新优先
- 来自专栏信数据得永生
Python 卖空算法教程（三）
资金管理模块 这个模块包括头寸规模管理，应该考虑在我们本章中看到的市场变量的背景下： 你的头寸调整算法是什么？ 它在你赢或输了一连串的比赛时会发生什么变化？ 对于你的风格，还有哪些其他位置大小调整算法更合适？ 你每边有多少个名字？你的表现周期如何演变？ 你的大/小头寸比是多少？ 你的头寸大小算法是什么？使用你工具箱中的四个主要暴露来定义你的投资组合：总量、净量、净β、集中度。这些将决定相关性、波动率、回撤，并最终影响表现。 考虑到数据和条件路径的多维数组，这个练习很难模拟。 绝大多数算法交易员都已经自动化执行。毕竟，如果系统说“买这么多”或“卖那么多”，那就这么做。执行是自动的。自主交易员仍然在全面信任他们的系统方面有困难。如果系统输出一个荒谬的数字怎么办？ 运行算法是 100%系统化的。您将处于这个谱系的某个位置。 它减轻了压力：当所有决策在后台运行并且只在需要时显示时，您不需要担心并且采取预防性措施。
59510编辑于 2024-05-11 - 来自专栏数据派THU
GNN教程：Weisfeiler-Leman算法！
图同构问题是一个非常难的问题，目前为止还没有多项式算法能够解决它，而Weisfeiler-Leman算法是一个多项式算法在大多数case上能够奏效，所以在这里我们用它来衡量GNN的表达能力，这篇博文详细介绍了 Weisfeiler-Leman算法，作为我们分析GNN表达能力的基础。 下面我们通过一个形象的例子来说明Weisfeiler-Leman算法具体是如何操作的。 至此Weisfeiler-Leman算法就介绍完了，作为下一篇博文的引文，我们简要地分析一下Weisfeiler-Leman算法和GCN逐层更新公式的关系。 三、Weisfeiler-Leman 算法与 GCN 间的转换 GCN逐层更新公式为： 简单来说，GCN的逐层更新公式对Weisfeiler-Leman算法做了两点近似： 用单层感知机近似函数，上式中即为单层感知机模型
2.4K21发布于 2020-12-31 - 来自专栏Datawhale专栏
GNN教程：GraghSAGE算法细节详解！
作者：秦州，算法工程师，Datawhale成员 引言 ? 本文为GNN教程的第三篇文章 【GraghSAGE算法】，在GCN的博文中我们重点讨论了图神经网络的逐层传播公式是如何推导的，然而，GCN的训练方式需要将邻接矩阵和特征矩阵一起放到内存或者显存里，在大规模图数据上是不可取的 具体来说，这些参数包括 个聚合器 (见下图算法第4行)中的参数, 这些聚合器被用来将邻居embedding信息聚合到节点上，以及一系列的权重矩阵 (下图算法第5行), 这些权值矩阵被用作在模型层与层之间传播 下面的算法描述了我们是怎么做前向传播的： ? 3.2 采样 (SAmple) 算法 GraphSAGE采用了定长抽样的方法，具体来说，定义需要的邻居个数 , 然后采用有放回的重采样/负采样方法达到 ,。
2.1K41发布于 2020-11-23 - 来自专栏coder
小白学算法: 哈希 - 数据结构和算法教程
算法： 该算法非常简单。 对第一个数组 arr1[] 进行排序。 在已排序的 arr1[] 中查找 arr2[] 的元素。
52530编辑于 2023-10-26 - 来自专栏加米谷大数据
算法基础：五大排序算法Python实战教程
不同的排序算法很好地展示了算法设计上如何强烈的影响程序的复杂度、运行速度和效率。一起看一下前6种排序算法，看看如何在Python中实现它们。 归并排序 归并排序是分而治之算法的完美例子。 它简单地使用了这种算法的两个主要步骤： (1)连续划分未排序列表，直到有N个子列表，其中每个子列表有1个“未排序”元素，N是原始数组中的元素数。 快速排序 快速排序也是一种分而治之的算法，如归并排序。虽然它有点复杂，但在大多数标准实现中，它的执行速度明显快于归并排序，并且很少达到最坏情况下的复杂度O(n²) 。
1.7K40发布于 2019-04-19 - 来自专栏coder
小白学算法-数据结构和算法教程: 数组旋转的反转算法
数组旋转的反转算法 给定一个大小为N的数组 arr[]，任务是将数组向左旋转d 个位置。 使用复杂算法。 另一种方法（反转算法）： 这里我们将讨论另一种方法，该方法使用反转数组的一部分的概念。这个想法背后的直觉如下： 如果我们仔细观察，我们可以看到一组数组元素正在改变其位置。 算法： 该算法可以借助以下伪代码进行描述： 伪代码： 算法反向(arr, start, end): mid = (start + end)/2 从i = start到mid循环: swap (arr[i], arr[end-(mid-i+1)]) 算法旋转（arr，d，N）： 反向（arr，1，d）； 反向(arr, d + 1, N); 反向（arr ，1，N）； 插图： 请按照下图更好地理解算法： 例如，采用数组arr[] = {1, 2, 3, 4, 5, 6, 7}和d = 2。
42130编辑于 2023-10-26 - 来自专栏AI研习社
算法基础：五大排序算法Python实战教程
：五大排序算法Python实战教程 ? 排序算法的复杂度 排序是每个软件工程师和开发人员都需要掌握的技能。不仅要通过编程面试，还要对程序本身有一个全面的理解。不同的排序算法很好地展示了算法设计上如何强烈的影响程序的复杂度、运行速度和效率。 让我们看一下前6种排序算法，看看如何在Python中实现它们！ 冒泡排序 冒泡排序通常是在CS入门课程中教的，因为它清楚地演示了排序是如何工作的，同时又简单易懂。 归并排序 归并排序是分而治之算法的完美例子。它简单地使用了这种算法的两个主要步骤： （1）连续划分未排序列表，直到有N个子列表，其中每个子列表有1个“未排序”元素，N是原始数组中的元素数。 ：五大排序算法Python实战教程 手把手：用PyTorch实现图像分类器（第一部分） 手把手：用PyTorch实现图像分类器（第二部分） 等你来译： 对混乱的数据进行聚类 初学者怎样使用Keras进行迁移学习
1.9K30发布于 2019-01-08 - 来自专栏coder
小白学算法-数据结构和算法教程: 反转链表
给定一个指向链表头节点的指针，任务是反转链表。我们需要通过更改节点之间的链接来反转列表。
40520编辑于 2023-10-26 - 来自专栏全栈程序员必看
暴力激活成功教程密码算法-JS
md5加密算法 var getMd5 = function (string) { function RotateLeft(lValue, iShiftBits) {
95310编辑于 2022-09-23 - 来自专栏深度学习|机器学习|歌声合成|语音合成
数据挖掘算法集锦和学习教程
These are some Machine Learning and Data Mining algorithms and models help you to understand your data and derive meaning from it.
30720发布于 2021-01-14 - 来自专栏Datawhale专栏
GNN教程：DGL框架实现GCN算法！
作者：秦州，算法工程师，Datawhale成员 引言 本文为GNN教程的第七篇文章【使用DGL框架实现GCN算法】。 这篇文章将会介绍DGL的核心概念 — 消息传递机制，并且使用DGL框架实现GCN算法。 ? 下面我们以GCN的算法为例，详细说明消息传递的机制是如何work的。
2.7K20发布于 2021-01-05 - 来自专栏C语言及其他语言
数据结构与算法教程上线！
各位小伙伴，近期C语言网开始更新上线《数据结构与算法教程》，专门应对大家算法与数据结构的学习和训练，同时为参加蓝桥杯与ACM竞赛的同学提供支持！ 这套教程由UDP广播协议叫吃饭大佬编写（可以通过网站找到用户膜拜大佬哦），面向对计算机编程有一定基础的同学，如果你对计算机完全属于一种小白的状态，建议前往（C语言教程）以及（C++教程）进行基础的学习。 这里就不给大家贴教程啦，想学的同学请通过链接https://www.dotcpp.com/course/ds/或下方原文链接进入 教程依旧按照我们一贯提倡的“学练同步、知行合一”的学习理念，每章后面都有对应的题库训练
48920发布于 2019-07-31 - 来自专栏全栈程序员必看
目标检测ssd算法实践教程_目标检测算法有哪些
图 12 Hole 算法扩大感受野 图 13 Hole 算法在增加特征图尺寸的同时扩展感受野 5. NMS（非极大值抑制） 在 SSD 算法中，NMS 至关重要。 当然，更多的比例可以进一步提升算法的性能。 Atrous算法可以轻微提升算法性能，但是其主要的作用是用来提速，论文中表明它可以提速20%。 原因4：使用了Atrous算法，该算法能够提速20%。 DSSD算法思想： DSSD使用一种通用的Top Down的融合方法，使用VGG和Resnet网络，以及不同大小的训练图片尺寸来验证算法的通用性。 目标检测算法之SSD ssd检测算法总结 SSD算法详解 版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。
1.1K20编辑于 2022-11-07 - 来自专栏coder
小白学算法-数据结构和算法教程: 队列的应用
检查图是否为二分图的算法： 解法步骤： 一种方法是使用 回溯算法 m 着色问题来检查图是否为 2-colorable 。 以下是一个使用广度优先搜索 (BFS) 来确定给定图是否为二分图的简单算法。 将红色分配给源顶点（放入 U 组）。 将所有邻居涂成蓝色（放入集合 V 中）。 在分配颜色时，如果我们找到与当前顶点颜色相同的邻居，则图不能用 2 个顶点着色（或者图不是二分图） 回溯算法 Python: # Python 程序查找 给定图形是否为二方图 class Graph() 上述算法仅在 图是连通的情况下才有效。在上面的代码中，我们总是从源 0 开始，并假设从源 0 访问顶点。一个重要的观察是，没有边的图也是二分图。请注意，二分条件表示所有边都应从一组到另一组。
33620编辑于 2023-10-26 - 来自专栏Urlteam
STL 算法部分 原创入门教程
STL算法部分 库为 Algorithm 算法库 Functional函数式编程 Numeric 基础性的数值算法 一一：find 查找类有13个函数，详情请百度。 二：排序和通用算法 Sort 排序类有 14个函数。详情请百度。 Sort （a，a+n） 这样直接在这个范围内正排。 } return 0; } 五：算术算法4个 Accumulate 对迭代器标示的序列段 算和。 六 生成和异变算法，6个 这个我也不懂，和填充元素有关系。 七，关系算法，8个（比较重要） Max min 这个返回大的和小的。 八：集合算法4个 Set_union 构造一个有序序列，包含两个序列中所有的不重复元素。
55010发布于 2019-11-28 - 来自专栏机器学习与推荐算法
机器学习算法从开发到部署教程
本文主要介绍机器学习（以下简写为ML）算法和架构在MLOps框架下的工程实践。 当从业者具备了足够丰富的知识储备时，就可以开始尝试ML了。 通常情况下，ML实践会涉及研究和生产两个主要环境。 1 机器学习工程及生产化模块 回顾前面ML的定义，从广义上讲，ML是一门通过算法和统计模型从数据中学习知识的学科，ML工程顾名思义就是构建基于ML的应用程序的计算实践。 事实上，数据科学团队通常专注于研究新颖的算法或训练高精准的模型，但与实际ML项目中需要的全流程（如特征工程、部署、监控等）相比，ML算法只是ML项目非常小的一部分，一个真正要投产的ML项目通常需要大量的工程工作和基础设施的配合 希望使用哪些算法？比如，是否会使用深度网络类的算法（需要评估是否真的需要）？ 是否处在一个对系统审计要求非常高的监管环境中？ 当前要设计的ML系统是在之前的基础上升级的还是重构的？ 在模型探索步骤中，数据科学家会分析和评估不同模型的可行性，如评估使用回归、决策树或随机森林等算法在现有数据上的表现。 在技术层面，模型探索比数据探索有更高的要求。
1.5K30编辑于 2022-05-26 - 来自专栏ShowMeAI研究中心
深度学习教程 | 神经网络优化算法
参考资料 图解数据分析 numpy速查手册 ShowMeAI系列教程推荐 图解Python编程：从入门到精通系列教程 图解数据分析：从入门到精通系列教程 图解AI数学基础：从入门到精通系列教程 图解大数据技术 ：从入门到精通系列教程 图解机器学习算法：从入门到精通系列教程 机器学习实战：手把手教你玩转机器学习系列 深度学习教程 | 吴恩达专项课程 · 全套笔记解读 推荐文章 深度学习教程 | 深度学习概论 深度学习教程 | 神经网络基础 深度学习教程 | 浅层神经网络 深度学习教程 | 深层神经网络 深度学习教程 | 深度学习的实用层面 深度学习教程 | 神经网络优化算法 深度学习教程 | 网络优化：超参数调优、正则化 、批归一化和程序框架 深度学习教程 | AI应用实践策略（上） 深度学习教程 | AI应用实践策略（下） 深度学习教程 | 卷积神经网络解读 深度学习教程 | 经典CNN网络实例详解 深度学习教程 | CNN应用：目标检测 深度学习教程 | CNN应用：人脸识别和神经风格转换 深度学习教程 | 序列模型与RNN网络 深度学习教程 | 自然语言处理与词嵌入 深度学习教程 | Seq2seq序列模型和注意力机制
97421编辑于 2022-04-14 - 来自专栏祝威廉
写给【算法同学】的MLSQL机器学习教程
因为大家都是搞算法的，对python应该会很熟悉，所以这里我决定用Python的plotly做可视化。
86740编辑于 2022-04-25 - 来自专栏机器之心
教程 | 算法太多挑花眼？教你如何选择正确的机器学习算法
福利来啦~本文将教你慧眼识精，快速挑选出满意的算法！ 机器学习既是一门科学，也是一种艺术。纵观各类机器学习算法，并没有一种普适的解决方案或方法。事实上，有几个因素会影响你对机器学习算法的选择。 此外，我们在选择机器学习算法时所做出的一些决定与算法的优化或技术层面关系并不大，而更多地与业务决策相关。下面，让我们一起来看看有哪些因素能帮你缩小机器学习算法的选择范围。 有些算法可以利用较小的样本集合工作，而另一些算法则需要海量的样本。特定的算法对特定类型的数据起作用。例如，朴素贝叶斯算法对处理待分类的输入特别有效，但是对于缺失值则一点都不敏感。 将相同的算法变得更加复杂增加了发生过拟合的几率。 ? 常用的机器学习算法 线性回归 这可能是机器学习中最简单的算法。例如，当你想要计算一些连续值，而不是将输出分类时，可以使用回归算法。 将你的数据输入给那些你确定的潜在优秀机器学习算法，通过并行或串行的方式运行这些算法，最终评估算法性能，从而选择出最佳的算法。
54210发布于 2018-07-26 - 来自专栏coder
小白学算法-数据结构和算法教程:什么链表以及操作
链表是一种线性数据结构，其中元素不存储在连续位置，而是使用指针链接。链表形成一系列相连的节点，每个节点存储数据和下一个节点的地址。
42730编辑于 2023-10-26
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号