随笔分类 - 人工智能
摘要：强化学习下两类：有模型和无模型。意思就是字面意思，就是算法里有没有网络模型。 没有模型的强化算法有： Q-learning, Sarsa. (PS: 垃圾中的战斗机，了解就行， 有一个Q表，不停迭代) 有模型的强化算法有： 有太多了，没有必要纠结。 常见的就是DQN家族算法，PPO，A2C, A3C
阅读全文
摘要：假设有一个过程: 状态S1 -> 状态S22 -> 状态S33 -> 状态S 如果上面的过程加一个条件，下一个状态只与当前状态有关， 那么可以理解为这个过程就是马尔可夫过程 说明：当前状态S1到下一个状态S22只是其中一个路径，到下一状态还有可能是S21. S23 等等。。。 依此类推 大脑可以想象
阅读全文
摘要：情景一： 假设股价初始价格为100元， 则第一次投入2000元买入的数量为20股， 第一次下降10%，价格变为90元，账户价值为20股 * 90元/股 = 1800元。 对股价来说下降了10% 对用户来说亏了10% 第二次投入3000元买入的数量为33.33股。 第二次下降12%，价格变为79.2元
阅读全文
摘要：#coding:utf-8 from sklearn.neural_network import MLPRegressor from sklearn.model_selection import train_test_split from sklearn.metrics import mean_sq
阅读全文
摘要：from sklearn.neural_network import MLPRegressor import numpy as np # 创建神经网络对象 # 使用adam优化器 adam是一种梯度下降算法 # 使用sgd优化器 adam是一种随机梯度下降算法 model = MLPRegresso
阅读全文
摘要：import numpy as np class NeuralNetwork: def __init__(self, input_size, output_size): self.input_size = input_size self.output_size = output_size self.
阅读全文
摘要：#coding: utf8 import math # x1, x2输入神经元 x1=1 x2=2 # w1,w2分别为x1,x2的权重 w1=0.2 w2=0.3 # b为输出神经元的偏移量 b = 0.1 target = 1 # 目标值 def f(w1, w2, b): return x1
阅读全文
摘要：#coding=utf8 import json,math,requests import numpy as np import matplotlib.pyplot as plt from scipy.stats import gaussian_kde from scipy.integrate im
阅读全文
摘要：Q-Learning算法 理论 Q-Learning是一种强化学习算法，用于学习在给定状态下采取不同行动的最佳策略。其公式如下： $Q(s,a) \leftarrow (1 - \alpha) \cdot Q(s,a) + \alpha \cdot (r + \gamma \cdot \max_{a
阅读全文
摘要：-1% --> +1.0101% -2% --> +2.0408% -3% --> +3.0928% -4% --> +4.1667% -5% --> +5.2632% -6% --> +6.3830% -7% --> +7.5269% -8% --> +8.6957% -9% --> +9.890
阅读全文
摘要：https://blog.csdn.net/qq_41800366/article/details/86583789 根据这篇文章，根据自己的理解，实际应用了一下梯度下降 #coding:utf-8 import numpy as np w = 2 b = 2 lr = 0.01 # 学习率 not
阅读全文
摘要：强化学习就是评价学习，这个和深度学习有啥区别？ 我个人理解就是深度学习需要对一个一组特征设置标签， 然后反复训练模型，是这个模型尽量接近 一坨特征数据等于标签。 而强化学习是对一坨特征，模型刚开始不知道标签是具体是啥，随便输出一个值y就行，然后我们实现一个奖励函数，对这个输出值打一个分， 分数越高，
阅读全文
摘要：随机生成基金数据， 涨幅服从的分布和中欧基金的分布一致 import numpy as np from sklearn.neighbors import KernelDensity import pandas as pd import seaborn as sns import matplotlib
阅读全文
摘要：import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt data=[0,0,-0.7071,0.5086,-0.3036,-0.1015,0.1016,-0.203,-0
阅读全文
摘要：我做了一个预测， 根据前100天的涨幅，预测第101天在哪个分段位。 将涨幅分了5个等级 设涨幅为x x>=1.5. 为 0 段 x>=0.5. 为 1 段 x>=-0.25 为 2 段 x>=-1.25 为 3 段 x<-1.25 为 4 段 T = [1.5, 0.5, -0.25, -1.25
阅读全文
摘要：之前一直在关注中欧医疗健康这支基金，收益还不错，于是想通过数学的方法分析，基金涨幅服从什么分布。 首先是一坨涨幅数据， 2016-11-07到2021-07-29 这期间的涨幅. 单位都是百分比 [0,0,-0.7071,0.5086,-0.3036,-0.1015,0.1016,-0.203,-0
阅读全文
摘要：import gym env = gym.make('KellyCoinflip-v0') from scipy.stats import binom import numpy as np from repoze.lru import lru_cache def V(w, b, m=250): if
阅读全文
摘要：sum_weights 可以通过参数设置。 如果不设置，那么值就是样本的个数。 指定每个样本的权重。 我突然想到基金预测，可以设置样本的权重。 真实涨幅越高，权重越小。 反之，权重越高。 因为如果预测偏低，那么loss 损失越大。 "rmse": sum_loss = 和 (score - labe
阅读全文
摘要：2020年11月30日之前的历史数据。 12月1号买入后， 过一个星期的涨幅 预测结果：JJ.240022 0.037074682566729036JJ.000336 0.035307269171717996JJ.540003 0.033018412484014305JJ.000219 0.0329
阅读全文
