牛犁heart

摘要： 股票的收益率是反映股票收益水平的指标，那股票亏损如何来计算呢？可通过一下公式： \(利润率= \frac{(卖出价 - 买入价 )}{买入价} *100\%\) \(利润率=\frac{(卖出总金额-买入总金额)}{买入总金额}*100\%\) 举例： 假如以10.00元的价格买入某只股票，15.0 阅读全文

摘要： EP因子即市盈率因子，常被投资者使用的几个估值因子之一。一般使用PE，即Price to Earning,维基百科上的解释：市盈率指每股市价除以每股收益盈利（Earning Per Share,EPS）,通常作为股票是便宜抑或昂贵的指标（通货膨胀会使每股收益虚增，从而扭曲市盈率的比较价值）。市盈率把 阅读全文

摘要： 支持向量机（SVM）能够做线性或非线性的分类、回归，甚至异常值检测。SVM特别适合应用于复杂但中小规模数据集的分类问题。 ###线性支持向量机分类 依旧以鸢尾花数据集为例，如图，有两个种类能够被非常清晰的、非常容易的用一条直线分开（即线性可分的）。左边显示了三种可能的线性分类器的判定边界，其中虚线表 阅读全文

摘要： 本节主要讲解如何使用集成学习来提高预测的精度 ###集成学习方法 在机器学习中的集成学习可以在一定程度上提高预测精度，常见的集成学习方法有Stacking、Bagging和Boosting，同时这些集成学习方法于具体验证集划分联系密切。 由于深度学习模型一般需要较长的训练周期，如果硬件设备不允许，建 阅读全文

摘要： 一个成熟合格的深度学习训练过程至少具备以下功能： 在训练集上训练，并在验证集上进行验证 模型可以保存最优的权重，并读取权重 记录训练集和验证集的精度，便于调参 本节将构建验证集、模型训练和验证、模型保存与加载和模型调参等几个部分 ###构造验证集 在机器学习模型（特别是深度学习模型）的训练过程中，模 阅读全文

摘要： 这一节主要开始构建一个字符识别模型，基于赛题理解，本章将构建一个定长多字符分类模型 工欲善其事必先利其器，首先来了解下pytorch与TensorFlow。（本比赛主要用到pytorch框架用于解决这个问题） ###PyTorch基本结构 pytorch主要分为以下几个模块来训练模型： tensor 阅读全文

摘要： ###图像读取 ####1、Pillow（python图像处理库（Python Imaging Library），简称：PIL）：参考 #####用途 图像档案 python图像库是图像存档和批处理应用程序的理想选择。可以使用该库创建缩略图、在文件格式之间转换、打印图像等 图像显示 当前版本（7.0 阅读全文

摘要： 街景字符识别以计算机视觉中字符识别为背景，对真实场景下的字符进行预测识别。本篇主要对数据的理解，包括对数据的读取以及根据标签数据对字符进行分割 1、赛题数据 赛题数据源自Google街景图像中的门牌号数据集（The Street View House Numbers Dataset, "SVHN" 阅读全文

摘要： Logistic回归 通常用于估计一个实例属于某个特定类别的概率，例如，电子邮件是垃圾邮件的概率是多少 概率估计 Logistic回归模型计算输入特征的加权和（加上偏差项），将结果输入 Logistic() 函数进行二次加工后进行输出 逻辑回归模型的概率估计（向量形式）： $$\hat{p}=h_\ 阅读全文

摘要： 降低模型的过拟合的好方法就是 正则化 这个模型（即限制它）：模型有越少的自由度，就越难拟合数据。例如，正则化一个多项式模型，一个简单的方法就是减少多项式的阶数。 对于线性模型，正则化的典型实现就是约束模型中参数的权重。这里介绍三种不同约束权重的方法：Ridge回归，Lasso回归和Elastic N 阅读全文