登录社区云，与社区用户共同成长
邀请您加入社区
海龟交易法则是经典的趋势跟踪策略，适合有纪律的交易者，尤其在趋势明显的市场中表现优异。
本项目的测试环境：win10，python3.7，mediapipe0.8.10，pycharm功能：由于使用的是KNN算法而不是根据各个运动的特点计算骨骼之间的角度来判断动作是否完成，因此本项目可以直接计数引体向上、深蹲和俯卧撑这几种健身运动而几乎无需修改代码，只需要输入视频或调用摄像头时选择一下是哪个运动即可，非常滴好用。各模块和文件介绍： poseembedding.py是人体关键点归一化
在信用风险评估（用户特征→信用等级）、疾病辅助诊断（症状指标→患病概率）、产品质量分类（生产参数→合格等级）等场景中，BP 神经网络凭借多层感知器的非线性拟合能力，成为经典分类工具。但 BP 的 “前向传播 - 反向更新” 过程高度复杂，仅能输出类别标签与置信度，无法回答 “哪些特征主导分类”“特征取值如何影响决策” 等关键问题 —— 例如信用评估中，无法解释 “为何用户被判定为高风险”，医疗诊断
本文对信息熵、交叉熵、KL散度等概念进行系统梳理，并对重要结论给出证明，为后续学习决策树系列算法（ID3、C4.5、CART、随机森林、LightGBM）做好准备
信用违约风险分类预测：XGBoost +SHAP实践案例
作者:Sabir Jana将使用基于多种机器学习分类算法的股票交易策略来预测市场走势。
本笔记本涵盖了数据未标记但具有可用于将其聚类为有意义的类别的特征的用例。聚类的挑战在于使那些使得这些聚类突出的特征可读，这就是我们将使用GPT-3生成有意义的聚类描述的地方。然后，我们可以使用这些描述来为以前未标记的数据集应用标签。为了向模型提供数据，我们使用了在笔记本中展示的方法创建的嵌入，应用于数据集中的全部359个交易，以便为我们提供更大的学习资源池。
关于量化投资策略的种类，当前的研究成果中没有十分标准和完善的总结，其原因有以下三点。首先，仅仅从量化投资的交易产品、盈利模式、策略信号、交易速度等几个方面就可以划分出非常多的策略，而实务中的策略种类更是不计其数。其次，交易逻辑相同的策略可能在不同的交易产品、不同的信号标准以及不同信号阈值的情况下又有不同的表现，从而又独立出新的分支策略。最后，在当前金融创新浪潮迭起的背景下，新的交易...
FinRL（Financial Reinforcement Learning）是一个开源深度强化学习库，专门用于自动化股票交易。该框架帮助投资者和量化交易员设计、训练和优化基于深度强化学习的交易策略。FinRL的目标是简化交易环境的搭建，并提供高效的算法和工具，使得从事金融分析和量化交易的人员能够更容易地接触到强化学习技术，开发出高效的自动化交易系统。通过FinRL，用户可以构建并训练自己的股票交
