摘要：
聚类（Clustering）是最常见的无监督学习算法，它指的是按照某个特定标准（如距离）把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。也即聚类后同一类的数据尽可能聚集到一起，不同类数据尽量分离。 阅读全文
摘要：
记一次tradingview的misx文件在win11上无法安装 阅读全文
摘要：
本篇我们要讲解的模型是大名鼎鼎的支持向量机 SVM，这是曾经在机器学习界有着近乎「垄断」地位的模型，影响力持续了好多年。直至今日，即使深度学习神经网络的影响力逐渐增强，但 SVM 在中小型数据集上依旧有着可以和神经网络抗衡的极好效果和模型鲁棒性。 阅读全文
摘要：
之前对强大的 boosting 模型工具 XGBoost 做了介绍，本篇我们来学习一下 GBDT 模型的另一个进化版本：LightGBM 。LightGBM 是微软开发的 boosting 集成模型，和 XGBoost 一样是对 GBDT 的优化和高效实现，原理有一些相似之处，但它很多方面比 XGBoost 有着更为优秀的表现。官方给出的这个工具库模型的优势如下：
更快的训练效率
低内存使用
更高的准确率
支持并行化学习
可处理大规模数据
支持直接使用 category 特征 阅读全文
摘要：
XGBoost 是 eXtreme Gradient Boosting 的缩写称呼，它是一个非常强大的 Boosting 算法工具包，优秀的性能（效果与速度）让其在很长一段时间内霸屏数据科学比赛解决方案榜首，现在很多大厂的机器学习方案依旧会首选这个模型。 阅读全文
摘要：
什么是竞品分析？
顾名思义，是对竞争对手的产品进行比较分析的过程，一种带有主观性的横向分析过程；通过对多个产品的整体架构、功能、商业模式、产品策略等多维度的横向对比分析，从而获得目的性的结论。那如何分析呢？我们这里按照下面几个点来一一展开：**明确目的，行业分析，确定竞品，确定维度，搜索数据，对比分析，输出结论。** 阅读全文
摘要：
GBDT（Gradient Boosting Decision Tree），全名叫梯度提升决策树，是一种迭代的决策树算法，又叫 MART（Multiple Additive Regression Tree），它通过**构造一组弱的学习器（树），并把多颗决策树的结果累加起来作为最终的预测输出。**该算法将决策树与集成思想进行了有效的结合。 阅读全文
