在分类问题中，预测准确度如果简单的用预测成功的概率来代表的话，有时候即使得到了99.9%的准确率，也不一定说明模型和算法就是好的，例如癌症问题，假如癌症的发病率只有0.01%，那么如果算法始终给出不得病的预测结果，也能达到很高的准确率混淆矩阵
二分类问题的混淆矩阵
以癌症为例，0代表未患病，1代表患病，有10000个人：
转载
2023-08-12 14:48:48
93阅读
当前交易日最高价与最低价差值，前一交易日收盘价与当前交易日最高价间的差值，前一交易日收盘价与当前交易日最低价的差值，这三者中的最大值为真实波幅。 即真实波动幅度 = max(最大值,昨日收盘价) − min(最小值,昨日收盘价)， 平均真实波动幅度等于真实波动幅度的N日指数移动平均数。波动幅度可以显示出交易者的期望和热情。波动幅度的急剧增加表示交易者在当天可能准备持续买进或卖出股票，波动幅
转载
2023-07-03 21:26:25
490阅读
# Python算召回率的科普文章
在机器学习和数据挖掘领域，评估模型的性能是一个非常重要的步骤。召回率（Recall）就是其中一个常用的评估指标，尤其在处理不平衡数据时尤为重要。本文将介绍召回率的概念，并通过Python代码示例来展示如何计算召回率。同时，我们还会使用状态图和甘特图来更直观地理解这一过程。
## 什么是召回率？
召回率（Recall），又称为真正率，指的是在所有实际为正例的
文章目录系列文章逻辑回归1 逻辑回归介绍1.1 逻辑回归原理输入激活函数1.2 损失以及优化2 逻辑回归API介绍3 案例：肿瘤良性恶性预测4 分类模型的评估4.1 分类评估方法混淆矩阵准确率精确率召回率F1-score4.2 分类评估API4.3 ROC曲线和AUC指标TPR与FPRROC曲线AUC指标绘制ROC曲线补充：解决类别不平衡问题1 构造不平衡数据集2 解决类别不平衡的方法过采样欠采
执法记录仪最初是出现在民警执行公务时随身佩带的取证技术装备，为了实现公正执法、文明执法、保护执法人员和当事人合法权益，保障执法人员履行职责，促进提高执法水平，监督执法行为等。随着互联网时代的发展执法记录仪应用行业及场景范围不断壮大，包括保险业、服务业、电力业、物流业、林木业、建筑业、制造业等各个领域亦逐渐普及使用，不
在机器学习、深度学习中，我们在做分类任务时，经常需要对模型结果进行评估。其中用于评估的指标就有准确率、精准率和召回率，这些指标都是通过预测概率来获得的。以下就来介绍这些指标代表什么。我们先来看看下面这张图：其中，如上图混淆矩阵所示。TP：样本为正，预测结果为正；FP：样本为负，预测结果为正；TN：样本为负，预测结果为负；FN：样本为正，预测结果为负。准确率、精准率和召回率的计算公式如下：准确率（a
转载
2023-10-23 09:18:11
253阅读
波动率的期限结构波动率期限结构描述的是隐含波动率会随期权剩余期限的不同有所变化。平价期权的波动率与期权剩余期限之间的常见的关系是：当短期波动率非常低时，波动率函数是期权剩余期限时间的增函数；当短期波动率较高时，波动率函数是期权剩余期限时间的减函数。这与波动率均值回复的规律有关。从长期来看，波动率大多表现出均值回归，即到期日接近时，隐含波动率变化较剧烈，随着到期日的延长，隐含波动率将逐渐向历史波动率
转载
2024-07-12 15:25:59
114阅读
# 项目方案：计算模型性能指标-准确率、精准率和召回率
## 引言
在机器学习和数据挖掘的过程中，模型性能评估是至关重要的一环。常用的性能指标包括准确率（Accuracy）、精准率（Precision）和召回率（Recall）。本项目旨在通过数据分析，深入了解这些指标的计算方法及应用，帮助团队在模型评估中做出更科学的决策。
## 1. 准确率、精准率和召回率定义
- **准确率（Accur
# 如何用Python实现GARCH波动率
作为一名经验丰富的开发者，我将会教你如何使用Python实现GARCH（Generalized Autoregressive Conditional Heteroskedasticity）波动率模型。这种模型通常用于金融领域来衡量资产波动性，特别是在风险管理中非常有用。
## 流程概述
下面是我们实现GARCH波动率模型的一般步骤：
| 步骤 |
原创
2024-02-19 07:39:12
146阅读
电容器 与电阻一样，电容存在稳态、瞬态两种工作状态。 电压电流的瞬时变化波形脉宽≥1s，或者周期性的电压/电流可以视为稳态工作状态。稳态工作状态下，存在某一点（区域）对应器件某项参数的最大应力，则可以称为稳态
转载
2023-11-21 13:06:07
162阅读
# 如何用Python计算股票历史波动率
## 概述
在股票市场中，波动率是一个重要的指标，它反映了股票价格的波动程度。计算股票历史波动率可以帮助投资者了解风险水平，并作出相应的投资决策。本文将介绍如何使用Python计算股票的历史波动率，适合刚入行的小白开发者学习。
## 步骤
下面是计算股票历史波动率的具体步骤：
| 步骤 | 描述 |
| --- | --- |
| 1 | 获取股票历
原创
2024-02-24 06:04:02
142阅读
本文首先从整体上介绍ROC曲线、AUC、Precision、Recall以及F-measure，然后介绍上述这些评价指标的有趣特性，最后给出ROC曲线的一个Python实现示例。 一、ROC曲线、AUC、Precision、Recall以及F-measure二分类问题的预测结果可能正确，也可能不正确。结果正确存在两种可能：原本对的预测为对（True Positive 真正），
转载
2024-07-23 16:01:02
172阅读
作者 | 追光者研究 | 机器学习与时间序列1. ARCH1.1 异方差在传统计量经济学模型中，都假设干扰项的方差为常数（同方差）。但是在现实世界中，许多经济时间序列的波动具有丛聚性等特征。例如：股市中可能存在的涨跌，当遇到结构性风险，价格可能存在大涨或者大跌的情况，这种类时间序列被称为条件异方差，即使无条件异方差是恒定的，但是也会存在方差相对较高的时候
转载
2024-01-30 05:33:02
85阅读
# 使用Python实现GARCH模型计算波动率
在金融领域，波动率是衡量资产价格变动程度的一项重要指标。GARCH（自回归条件异方差模型）是一种广泛用于金融时间序列分析的方法。接下来，我将指导你如何使用Python实现GARCH模型来计算波动率。
## 整体流程
在实现GARCH模型的过程中，我们将遵循以下步骤：
| 步骤 | 描述 |
|---
在学习和应用推荐算法的过程中，发现越来越多的文章在描述深度学习应用在推荐系统上的方法，不可否认深度学习的发展给推荐系统带来了巨大的进步，但是传统的经典算法仍然是非常值得学习的，毕竟可以作为一个比较高的baseline，同时也是快速上手和搭建推荐系统的好方法，因此这篇文章就主要总结和梳理一下传统的经典召回算法。一般经典的召回方法即采用多路召回的方式，如下图所示。通俗的来说多路召回就是从不同的角度采用
转载
2023-11-11 06:08:30
73阅读
上一节的线性回归模型适用于输出为连续值的情景。但是在另一类情景中，模型输出可以是一个离散值，比如图像类别，这方面我们可以使用softmax回归在内的分类模型。 Softmax回归的输出单元由一个变成了多个，且引入softmax运算，使得输出更适合离散值预测与训练，通过学习softmax来介绍神经网络的分类模型。3.1 分类问题考虑一个简单的图像分类，其输入图像高和宽都是2像素，色彩为灰度（这样的像
转载
2024-05-17 16:17:44
40阅读
在推荐系统众多方法中，基于用户的协同过滤推荐算法是最早诞生的，原理也较为简单。该算法1992年提出并用于邮件过滤系统，两年后1994年被 GroupLens 用于新闻过滤。一直到2000年，该算法都是推荐系统领域最著名的算法。俗话说“物以类聚、人以群分”，拿看电影这个例子来说，如果你喜欢《蝙蝠侠》、《碟中谍》、《星际穿越》、《源代码》等电影，另外有个人也都喜欢这些电影，而且他还喜欢《
转载
2023-08-24 13:23:34
186阅读
召回率(Recall Rate,也叫查全率)是检索出的相关文档数和文档库中所有的相关文档数的比率，衡量的是检索系统的查全率；精度是检索出的相关文档数与检索出的文档总数的比率，衡量的是检索系统的查准率。基本概念
召回率 召回率(Recall)和 精度(Precise)是广泛用于 信息检索和统计学分类领域的两个度量值，用来评价结果的质量。其中召回率是是检索出的相
转载
2023-08-01 14:08:49
142阅读
在这篇文章中，我们将学习一种在价格序列中建立波动性模型的标准方法，即广义自回归条件异方差（GARCH）模型。价格波动的 GARCH 模型的思想是利用误差结构的近期实现来预测误差结构的未来实现。更简单地说，我们经常看到在高波动性或低波动性时期的聚类，因此我们可以利用近期的波动性来预测近期未来的波动性。我们将使用SPY价格来说明波动率的模型。下面的图显示了SPY收益率。colnames(SPYRet)
转载
2023-07-19 22:13:53
198阅读
文章目录1.前言2.数据准备3.搭建神经网络4.训练搭建的神经网络5.可视化操作 1.前言我会这次会来见证神经网络是如何通过简单的形式将一群数据用一条线条来表示. 或者说, 是如何在数据当中找到他们的关系, 然后用神经网络模型来建立一个可以代表他们关系的线条.2.数据准备我们创建一些假数据来模拟真实的情况. 比如一个一元二次函数: y = a * x^2 + b, 我们给 y 数据加上一点噪声来
