第九章:算法交易 - 回测在构建算法交易策略之后,正如我们在上一章中所做的那样,第一步是对给定的策略配置在给定的时间段内进行回测。回测是通过在过去的数据上虚拟执行交易策略并分析其风险和回报指标来评估交易策略性能的方法。这里不使用真实资金。典型的回测指标括利润和损失(P&L),最大回撤,总交易数,盈利交易数,亏损交易数,多头交易和空头交易,每笔盈利和亏损交易的平均利润等。直到这些指标满足必要要求为
与封装 的简介对象初始化构造器方法封装__(双下划线)与 _ (单下划线)property装饰器总结实战 的简介也是一个对象!就是一个用来创建对象的对象!是type类型的对象,定义实际上就是定义了一个type类型的对象举例a = int(10) # 创建一个int的实例 b = str('hello') # 创建一个str的实例 print(a, type(a)) #
参考文档链接:scikit-opt本章继续Python的优化算法系列。优化算法,尤其是启发式的仿生智能算法在最近很火,它适用于解决管理学,运筹学,统计学里面的一些优化问题。比如线性规划,整数规划,动态规划,非线性约束规划,甚至是超参数搜索等等方向的问题。但是一般的优化算法还是matlab里面用的多,Python相关代码较少。博主在参考了很多文章的代码和模块之后,决定学习 scikit-opt&nb
本文完成程序及测试数据集详细见:https://github.com/HanXia001/k-means-python3-本文主要内容:                1.k-means解决的问题;                2.k-m
概念算法(Algorithm):一个计算过程,解决问题的方法时间复杂度与空间复杂度时间复杂度一个算法的优劣可以用时间复杂度与空间复杂度来衡量。通常讨论算法的复杂度:1、问题规模相同  2、机器配置相同常用大O表示法表示时间复杂性,注意它是某一个算法的时间复杂性。如何判断一个算法的时间复杂度循环减半的过程>>> O(logn)几次循环就是N的几次方的复杂度常用的时间复杂度(按效率排
经典排序算法图解:经典排序算法的复杂度:使用场景:1.空间复杂度 越低越好、n值较大:堆排序  O(nlog2n)  O(1)2.无空间复杂度要求、n值较大:桶排序  O(n+k)    O(n+k)大类一(比较排序法):1、冒泡排序(Bubble Sort)【前后比较-交换】 python实现:d0 = [2, 15, 5, 9, 7, 6, 4, 12, 5, 4, 2, 64, 5, 6,
# Python 深入探讨 Python 是一种广泛应用的编程语言,其易读性和强大的功能使其在数据科学、机器学习、 web 开发等多个领域得以推广。 Python 的一个核心概念是“”和“”,这两个概念的结合为程序员提供了组织代码、重用代码和管理大型项目的强大工具。在本文中,我们将探讨 Python 中的的基本概念,并提供代码示例,将这些概念应用于实际情况。 ## 1. 什么
原创 2024-08-05 08:11:59
5阅读
# Python 及其在中的运用 在Python中,是一种结构化的编程概念,有助于组织代码、实现继承和封装等功能。通过,我们可以创建对象,这些对象能够存储数据和方法。本文将介绍Python的基本概念,并探讨如何将多个组织成一个(package)以提高代码的可维护性和可重用性。 ## 一、什么是 是用于创建对象的蓝图。它定义了对象的属性和行为。每个可以有多个属性(数据成员)
原创 10月前
30阅读
本人不是专业的python使用者,所以就不按照KNN的算法写推到代码了,直接运用机器学历里面运用得比较多,而且比较简单的sklearnscikit-learn(简称sklearn)是目前最受欢迎,也是功能最强大的一个用于机器学习的Python库件。它广泛地支持各种分类、聚以及回归分析方法比如支持向量机、随机森林、DBSCAN等等,由于其强大的功能、优异的拓展性以及易用性,目前受到了很多数据科学
数据科学Apriori算法是一种数据挖掘技术,用于挖掘频繁项集和相关的关联规则。本模块重点介绍什么是关联规则挖掘和Apriori算法,以及Apriori算法的用法。此外,在小型企业场景中,我们将借助Python编程语言构建一个Apriori模型。什么是关联规则挖掘?如前所述,Apriori算法用于关联规则挖掘。现在,什么是关联规则挖掘?关联规则挖掘是一种用于识别一组项目之间的频繁模式和关联的技术。
或聚类分析是无监督学习问题。它通常被用作数据分析技术,用于发现数据中的有趣模式,例如基于其行为的客户群。有许多聚算法可供选择,对于所有情况,没有单一的最佳聚算法。相反,最好探索一系列聚算法以及每种算法的不同配置。在本教程中,你将发现如何在 python 中安装和使用顶级聚算法。完成本教程后,你将知道:聚是在输入数据的特征空间中查找自然组的无监督问题。对于所有数据集,有许
在网上查看了些博客,感觉大家都对数学公式的解释的比较晦涩,下面我结合一个非常简单的示意图解释下他的数学公式,理解不到位的请留言。kmeans是一种聚算法下面是算法的描述给定训练样本是每一个,即每一个样本元素都是n维向量。为了便于理解在后面的示意图中采用二维的向量。step1:    随机选取k个聚质心点为step2:    重复下面过程直到手链&nb
       作为无监督学习的一个重要方法,聚的思想就是把属性相似的样本归到一。对于每一个数据点,我们可以把它归到一个特定的,同时每个之间的所有数据点在某种程度上有着共性,比如空间位置接近等特性。多用于数据挖掘、数据分析等一些领域。       下面简
数据结构线性表包括顺序表和链表,python的list是顺序表,链表一般在动态语言中不会使用。不过链表还是会出现在各种算法题中。链表 link list单链表 逆转链表: leetcode 206 双链表循环单链表字符串 string有一个重要的点就是字符串的匹配问题,其中比较重要的是无回溯匹配算法(KMP算法),算法比较复杂,重要的思想在于匹配过程中不回溯。实际复杂度是O(m+n), m
一、什么是算法算法(Algorithm):一个计算过程,解决问题的方法二、时间复杂度、空间复杂度Ⅰ、时间复杂度时间复杂度是一个函数,它定量描述该算法的运行时间,时间复杂度常用“O”表示,时间复杂度可被称为是渐近的,它考察当输入值大小趋近无穷时的情况。呈现时间频度的变化规律,记为T(n)=O(f(n)) 指数时间:一个问题求解所需的执行时间m(n),依输入数据n呈指数倍成长(即 求解所需的执行时间呈
本文翻译自:https://www.parallelpython.com/概述Parallel Python是一个python模块,提供了在SMP(具有多个处理器或核心的操作系统)和群集上并行执行python代码的机制。Parallel Python具有轻量级、易安装、易与其他python软件集成的特性。Parallel Python是用纯Python语言写的开源跨平台的模块。特征Python代码
01 目录环境需求怎样使用本地化扩展卡尔曼滤波本地化无损卡尔曼滤波本地化粒子滤波本地化直方图滤波本地化映射高斯网格映射光线投射网格映射k均值物体聚圆形拟合物体形状识别SLAM迭代最近点匹配EKF SLAMFastSLAM 1.0FastSLAM 2.0基于图的SLAM路径规划动态窗口方式基于网格的搜索迪杰斯特拉算法A*算法势场算法模型预测路径生成路径优化示例查找表生成示例状态晶格规划均匀极性采样
 ——————1 系统概要 孤立词识别:语音只包含一个单词的英文识别识别对象:0-9以及o的英文语音 训练数据:330句话,每个字符30句话,11个字符 测试数据:110句话,每个字符10句话,11个字符模型:混合高斯模型(GMM),k=5个分量 环境:window、Pycharm、python3.5、utils、numpy、scipy 目标:单个字符的识别准确率
# 模糊c均值聚算法Python中的应用 在机器学习领域,聚算法是一种常见的无监督学习方法,用于将数据点分组成具有相似特征的集合。其中,c均值聚算法是一种常见的聚算法之一,它通过迭代地调整数据点的中心位置来最小化数据点与中心的距离。而模糊c均值聚算法在c均值聚算法的基础上,引入了模糊性的概念,使得每个数据点可以属于多个聚中心。 在Python中,我们可以使用第三方库`sciki
原创 2024-05-31 06:41:59
65阅读
先说下基础知识,不然不好理解后面的东西两向量的X乘p1(x1,y1),p2(x2,y2)  p1Xp2如果小于零则说明  p1在p2的逆时针方向如果大于零则说明 p1在p2的顺时针方向struct node{ double x,y; node friend operator -(node a,node b)//对减法符号进行重载 {
转载 2023-08-21 23:05:48
243阅读
  • 1
  • 2
  • 3
  • 4
  • 5