sklearn

起个破名想半天了

Sklearn入门之datasets的基本用法、Sklearn全称:Scipy-toolkit Learn是一个基于scipy实现的的开源机器学习库。它提供了大量的算法和工具，用于数据挖掘和数据分析，包括分类、回归、聚类等多种任务。本文我将带你了解并入门Sklearn下的datasets在机器学习中的基本用法。

VectorBT量化入门系列：第五章 VectorBT性能评估与分析VectorBT量化入门系列：第五章 VectorBT性能评估与分析本教程专为中高级开发者设计，系统讲解VectorBT技术在量化交易中的应用。通过结合Tushare数据源和TA-Lib技术指标，深度探索策略开发、回测优化与风险评估的核心方法。从数据获取到策略部署，全面提升量化交易能力，助力开发者构建高效、稳健的交易系统。文中内容仅限技术学习与代码实践参考，市场存在不确定性，技术分析需谨慎验证，不构成任何投资建议。适合量化新手建立系统认知，为策略开发打下基础。

VectorBT量化入门系列：第一章 VectorBT基础与环境搭建VectorBT量化入门系列：第一章 VectorBT基础与环境搭建本教程专为中高级开发者设计，系统讲解VectorBT技术在量化交易中的应用。通过结合Tushare数据源和TA-Lib技术指标，深度探索策略开发、回测优化与风险评估的核心方法。从数据获取到策略部署，全面提升量化交易能力，助力开发者构建高效、稳健的交易系统。文中内容仅限技术学习与代码实践参考，市场存在不确定性，技术分析需谨慎验证，不构成任何投资建议。适合量化新手建立系统认知，为策略开发打下基础。

VectorBT量化入门系列：第三章 VectorBT策略回测基础VectorBT量化入门系列：第三章 VectorBT策略回测基础本教程专为中高级开发者设计，系统讲解VectorBT技术在量化交易中的应用。通过结合Tushare数据源和TA-Lib技术指标，深度探索策略开发、回测优化与风险评估的核心方法。从数据获取到策略部署，全面提升量化交易能力，助力开发者构建高效、稳健的交易系统。文中内容仅限技术学习与代码实践参考，市场存在不确定性，技术分析需谨慎验证，不构成任何投资建议。适合量化新手建立系统认知，为策略开发打下基础。

基于sklearn实现文本摘要思考和各位小伙伴分享一下使用sklearn进行文本摘要的思考。提取式文本摘要的基本原理是：将文本分割成句子

决策树（DecisionTree）代码主要实现了一个决策树的创建和可视化功能。下面我将逐段对代码进行解读。pythonpythonpython

PyTorch量化进阶教程：第六章模型部署与生产化PyTorch量化进阶教程：第六章模型部署与生产化本教程通过深入讲解 Transformer 架构、自注意力机制及时间序列预测，结合 Tushare 数据源和 TA-Lib 技术指标，实现从数据处理到模型训练、回测与策略部署的完整量化交易系统。教程每个环节都通过专业示例和代码实现进行阐释，确保读者能够扎实掌握并灵活运用所学知识。文中内容仅限技术学习与代码实践参考，市场存在不确定性，技术分析需谨慎验证，不构成任何投资建议。适合量化新手建立系统认知，为策略开发打下基础。

PyTorch量化进阶教程：第五章 Transformer 在量化交易中的应用PyTorch量化进阶教程：第五章 Transformer 在量化交易中的应用本教程通过深入讲解 Transformer 架构、自注意力机制及时间序列预测，结合 Tushare 数据源和 TA-Lib 技术指标，实现从数据处理到模型训练、回测与策略部署的完整量化交易系统。教程每个环节都通过专业示例和代码实现进行阐释，确保读者能够扎实掌握并灵活运用所学知识。文中内容仅限技术学习与代码实践参考，市场存在不确定性，技术分析需谨慎验证，不构成任何投资建议。适合量化新手建立系统认知，为策略开发打下基础。

PyTorch量化进阶教程：第二章 Transformer 理论详解PyTorch量化进阶教程：第二章 Transformer 理论详解本教程通过深入讲解 Transformer 架构、自注意力机制及时间序列预测，结合 Tushare 数据源和 TA-Lib 技术指标，实现从数据处理到模型训练、回测与策略部署的完整量化交易系统。教程每个环节都通过专业示例和代码实现进行阐释，确保读者能够扎实掌握并灵活运用所学知识。文中内容仅限技术学习与代码实践参考，市场存在不确定性，技术分析需谨慎验证，不构成任何投资建议。适合量化新手建立系统认知，为策略开发打下基础。

VectorBT：使用PyTorch+LSTM训练和回测股票模型进阶三VectorBT：使用PyTorch+LSTM训练和回测股票模型进阶三本方案融合 LSTM 时序预测与动态风险控制。系统采用混合架构，离线训练构建多尺度特征工程和双均线策略，结合在线增量更新持续优化模型。技术要点包括三层特征筛选、波动率动态仓位管理、混合精度训练提升效率，以及用 VectorBT 验证收益。文中内容仅限技术学习与代码实践参考，市场存在不确定性，技术分析需谨慎验证，不构成任何投资建议。适合量化新手建立系统认知，为策略开发打下基础。

VectorBT：使用PyTorch+LSTM训练和回测股票模型进阶二VectorBT：使用PyTorch+LSTM训练和回测股票模型进阶二本方案基于LSTM神经网络构建多时间尺度股票收益率预测模型，结合VectorBT进行策略回测。核心原理是通过不同时间窗口（5/10/20/30日）捕捉股价的短期、中期、长期模式，使用注意力机制融合多尺度特征，最终生成交易信号。文中内容仅限技术学习与代码实践参考，市场存在不确定性，技术分析需谨慎验证，不构成任何投资建议。适合量化新手建立系统认知，为策略开发打下基础。

AI大模型从0到1记录学习 day08第 6 章函数在前面几个章节中我们经常使用到print()，那么它是什么呢？ print() 是一个函数，可以向控制台打印输出内容。 6.1 函数的概念函数是带名字的代码块，用于完成具体的任务，可重复使用。当需要在程序中多次执行同一项任务时，无须反复编写完成该任务的代码，只需要调用执行该任务的函数，让Python运行其中的代码即可。通过使用函数，程序编写、阅读、测试和修复起来都更加容易。Python中的函数必须先定义后使用，Python提供了许多内建函数，比如print()。也可以自己创建函数，这

【sklearn 03】逻辑回归、决策树、支持向量机logistics regression（逻辑回归）算法是经典的分类算法，基本思想是构造一个概率的拟合函数。

【sklearn 05】sklearn功能模块

【sklearn 02】监督学习、非监督下学习、强化学习- 第一类：无监督学习（unsupervised learning），指的是从信息出发自动寻找规律，分析数据的结构，常见的无监督学习任务有聚类、降维、密度估计、关联分析等。 - 第二类：监督学习（supervised learning），监督学习指的是使用带标签的数据去训练模型，并预测未知数据的标签。监督学习有两种，当预测的结果是离散值时属于分类（classification）问题，当预测的结果是连续值时属于回归（regression）问题。 - 第三类：强化学习（reinforcement learni

tsfresh：时间序列特征自动提取与应用tsfresh：时间序列特征自动提取与应用本文系统介绍了 tsfresh 技术在 A 股市场数据分析与量化投资中的应用。从基础特征提取到高级策略开发，结合实战案例，详细讲解了如何利用 tsfresh 构建量化投资策略，并优化风险控制，助力读者全面掌握时间序列特征提取在量化领域的技术应用。文中内容仅限技术学习与代码实践参考，市场存在不确定性，技术分析需谨慎验证，不构成任何投资建议。适合量化新手建立系统认知，为策略开发打下基础。

迷路爸爸180

从零构建逻辑回归: sklearn 与自定义实现对比这篇文章也写的不错： Python实现逻辑回归(Logistic Regression)逻辑回归的核心是 Sigmoid 函数，也称为逻辑函数。它可以将任何实数值映射到区间 [0, 1] 内，因此非常适合用于概率预测。Sigmoid 函数的形式为：

迷路爸爸180

从零构建 KNN 分类: sklearn 与自定义实现对比本文将详细介绍 KNN 算法的工作原理、如何计算距离、如何根据最近邻投票进行分类，并通过自定义实现与 sklearn 的 KNN 模型进行对比。

使用开放数据、ArcGIS 和 Sklearn 测量洛杉矶的城市相似性城市规划人员希望找到具有相似城市结构（街道网络、建筑结构、土地使用类型、人口密度）和人口统计数据（收入、文化、年龄）的地方。在本文中，我将介绍我为量化邻里相似性而确定的方法和决策，并展示数据科学方法如何为我们的城市提供有用的见解。

MySQL和Hive SQL 时间处理常用函数汇总以下是 SQL 中常用的时间处理函数汇总，涵盖 MySQL 和 Hive 的差异：