注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Trading_Strategies_with_Stock_Data_Updating:在这个项目中，我抓取了选定股票的数据，并应用了各种机器学习模型进行分类并提供每周交易建议-源码

  2. 具有库存数据的数据科学（不断更新） 在此项目中，将刮取选定股票2018年和2019年的数据，并按预定规则将“绿色”或“红色”标签分配给每周。 我们将实现许多机器学习分类器，以预测标签并评估模型性能。 对于这些分类器，我们还将基于标签计算交易策略的绩效。 该项目的主要目的是探索每种机器学习算法的特征，并测试它们在应用库存数据时的表现。 为了更好地理解该项目，我们将介绍几个概念，并说明在这种情况下如何定义它们。 对于库存数据，我们将每周标记为“绿色”或“红色”。 “绿色”周意味着该周（从周五

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：603kb
    • 提供者：weixin_42129797

  1. Makeathon3077_OpenSource_Sages:此网络应用预测电子商务数据交易欺诈。 它基于机器学习和神经网络模型-源码

  2. 电子商务欺诈预测器Web应用程序 网络链接： ： 此网络应用预测电子商务数据交易欺诈。 它基于机器学习和神经网络模型。 训练了7种机器学习算法（决策树，随机森林，逻辑回归，支持向量机，梯度提升和K最近邻和KMeans算法）和2种深度学习神经网络模型（单层感知器和多层感知器）并对其进行了测试使用电子交易数据集（kaggle）和精度最高的百分位数的模型来构建网络预测器。 该Web应用程序是使用以下库在Python中构建的： 流线型 大熊猫 斯克莱恩 海生的 matplotlib.pypl

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：195kb
    • 提供者：weixin_42144604

  1. machine-learning-about-online-debt-:通过机器学习对在线债务的信用风险进行分析-源码

  2. 基于机器学习算法的网络信用风险评估 通过机器学习在线债务的信用风险分析 项目简介 项目初步利用机器学习算法，试图通过对网贷平台现有数据的分析，对借贷交易进行预测，判断引用客户违约约还款的可能性，为相关网络平台提供方案，从而减少平台与客户的潜在损失，维护网络贷款交易的安全性。 首先使用Python的爬虫从P2P网贷平台上获取了1726条借贷数据，其中违约数据571条，未违约数据1155条。接着使用了决策树，支持向量机，线性判别分析来处理网贷违约与否的二分类问题，和创新性的对线性判别分析法进行了改进

  3. 所属分类：其它

  1. 算法交易训练-源码

  2. 回购以学习python中的算法交易

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：65kb
    • 提供者：weixin_42153801

  1. SVM算法交易-源码

  2. 支持向量机在算法交易中的应用 内容： 介绍 以下研究复制了国际会议发表。 人工智能（ICAI'18）。 本文提供了有关机器学习技术的使用的深思熟虑的分析，该机器学习技术应用于使用常见指数（例如S＆P500和芝加哥期权交易所市场波动率指数（VIX））的算法交易。 为了测试算法在上升趋势期间和下降趋势期间的效率，进行了交易模拟。 比较统计和经济绩效指标以讨论最有效的技术。 分析中使用的输入是众所周知的定量指标，例如相对强度指数和移动平均趋同-趋同。 结果的相关性在于针对每种趋势使用单独的训练模型。

  3. 所属分类：其它

  1. EarlyStopping.jl：产生损失的迭代算法的提前停止标准-源码

  2. EarlyStopping.jl Linux 覆盖范围 一个小包，用于将早期停止准则应用于产生损失的迭代算法，以期将其应用于训练和优化机器学习模型。 包括在调查的停止标准：“早期停止-但是什么时候？”，在《神经网络：交易技巧》，第1版中。 G.奥尔，史宾格。 安装 using Pkg Pkg . add ( " EarlyStopping " ) 样品用法 此程序包中定义的EarlyStopper对象使用由某些外部算法生成的称为损失的数字序列-通常是某些迭代统计模型的训练损失或样本外损失

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：16kb
    • 提供者：weixin_42164685

  1. Credit_Card_Fraud_Detection-源码

  2. Credit_Card_Fraud_Detection 项目概况 在这个项目中，我使用了信用卡欺诈检测数据集，并建立了一个二进制分类模型，可以根据提供的历史数据将交易识别为欺诈或有效交易。 付款欺诈数据集（Dal Pozzolo等，2015）从Kaggle下载。 它具有用于数千笔信用卡交易的功能和标签，每笔交易均被标记为欺诈或有效。 在此笔记本中，我们希望根据这些交易的特征来训练模型，以便我们可以预测将来的风险或欺诈*易。 EDA 使用此下载了我用来训练模型的数据集。 我加载并浏览了数据集

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：144kb
    • 提供者：weixin_42129412

  1. freqtrade-gym：定制的健身环境，用于开发和比较加密交易中的强化学习算法-源码

  2. 健身操 该项目基于 该项目还处于初期阶段，因此您需要手动设置很多不便之处。 我正在努力改进。 安装 1. freqtrade 按照安装freqtrade 2.熊猫 pip install pandas 3. OpenAI体育馆 pip install gym 用法示例（基准） 用法示例为deep_rl.py，freqtrade和freqtrade-gym的配置为config_rl.json，并使用IndicatorforRL.py作为特征提取。 该演示使用来训练强化学习代理。 基准可以通过

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：163kb
    • 提供者：weixin_42116681

  1. clairvoyant：旨在识别和监控短期股票走势的社会历史线索的软件-源码

  2. 基本概述 使用股票历史数据，使用财务指标的任意组合来训练监督学习算法。 快速回测模型的准确性，并模拟投资组合的绩效。 可视化学习过程 最后稳定版本 pip install clairvoyant 最新发展变化 git clone https://github.com/anfederico/Clairvoyant 回测信号精度 在测试期间，该模型会根据其对第二天价格走势的预测发出买入或卖出信号。 通过搁置交易算法并单独测试信号准确性，您可以快速构建和测试更可靠的模型。 from clairvoy

  3. 所属分类：其它

  1. rl：深度强化交易学习-源码

  2. 笔记本和代码张贴在强化学习上。 玩Tic-Tac-Toe的基于表的强化学习，类似于无意义的深度学习算法 Keras从零开始构建深度强化学习算法，用于CartAI和LunarLander等OpenAI环境。 DQN 策略梯度（REINFORCE） 用基线加强 ， 仅运行保存的好模型，不进行训练 与UC Berkeley Ray项目相似但具有最先进的RL 受戈登·里特（Gordon Ritter）论文《机器学习交易》的启发， 交易假市场数据。 这应该在运行。 典型安装过程： 安装 p

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：12mb
    • 提供者：weixin_42112894

  1. 机器学习和交易中的AI：将机器学习和AI算法应用于交易以提高性能和降低标准差-源码

  2. 机器学习和交易中的AI 这是一些使用机器学习和AI在Python中生成的代码，用于生成股票价格预测。 使用的软件包： 塔里布 Scikit学习 TensorFlow 凯拉斯 大熊猫 Numpy和numexpr（更快的Numpy，以获得更好的性能） 诸如Seaborn和Matplotlib的可视化工具 仍在工作...将继续更新... LSTM给了我令人鼓舞的结果，现在我在探索先进的LSTM（例如MD-LSTM和MiD-LSTM），以获得更好的预测和更多的功能。 这是我使用RNN对Ne

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：215kb
    • 提供者：weixin_42131728

  1. MachineLearning_Pratice:机器学习算法案例实战，python实现-源码

  2. 机器学习算法案例实战（python实现） 一。 1.加载数据 用熊猫加载 2.数据探索性分析及可视化 用matplotlib和seaborn对数据的标注（结果）进行。 3.特征处理 用pandas去除无关特征 用StandardScaler对数据进行标准化 4.模型训练 用train_test_split划分训练集和测试集 选择模型：SVM，决策树，随机森林，KNN 用GridSearchCV优化模型参数 用管道管道机制定制化分类器训练流程 5.模型评估 用对不同模型进行评估， 。 二。 1.

  3. 所属分类：其它