文章摘要 本文介绍了使用LSTM进行股价预测的实战案例。首先导入必要的库并设置随机种子，然后获取股票历史数据并进行标准化处理。通过创建滑动窗口将时间序列数据转换为适合LSTM训练的格式，按7:3比例划分训练集和测试集。实验可视化展示了原始价格与标准化后的对比，以及滑动窗口的构造方式。该案例旨在帮助读者理解RNN/LSTM处理序列数据的原理，掌握时间序列预测的关键技术，包括数据预处理、模型构建和评估

本文摘要： 本文介绍了使用Keras搭建MLP神经网络进行金融数据分析的实战过程。首先导入必要的Python库（TensorFlow/Keras、sklearn等），然后生成包含技术指标（RSI、MACD、均线比率等）的金融数据集。接着演示了两种模型构建方法：Sequential API（构建3层MLP）和Functional API，并详细说明了模型编译、训练和评估流程。重点介绍了防止过拟合的技

本文摘要： 本文介绍了MLP神经网络在金融预测中的实战应用。主要内容包括：1) 数据准备阶段，通过自定义函数生成包含11个技术指标(如RSI、MACD、均线比率等)的金融时序数据；2) 可视化展示了Sigmoid、Tanh、ReLU等常用激活函数的数学特性；3) 构建MLP分类器进行股票价格预测，对比不同激活函数对模型性能的影响。实验使用标准化处理后的特征数据，按7:3比例划分训练集和测试集，目标

神经网络入门指南：从MLP到优化器 本文系统介绍了神经网络的核心概念与技术要点： 神经网络基础 受生物神经元启发的人工智能模型 发展历程：从1958年感知机到2017年Transformer 优势：自动特征学习、强大非线性建模能力 关键组件 MLP结构：输入层→隐藏层→输出层 激活函数对比：Sigmoid/Tanh/ReLU特性及应用场景 前向传播与反向传播机制：链式法则实现梯度计算 优化技术 损

本文介绍了使用PCA主成分分析对金融技术指标进行降维的实战案例。首先导入必要的Python库并设置绘图样式，然后生成包含11个技术指标（如RSI、MACD、移动均线等）的金融数据集。通过标准化处理后，使用PCA分析特征间的相关性，并可视化主成分的方差贡献率。随后构建包含PCA降维和随机森林分类器的管道模型，比较降维前后模型性能。结果表明，PCA能有效减少特征维度，同时保持或提升模型预测能力。该案例

维度灾难随着特征维度增加，数据点变得稀疏距离度量失效需要指数级增长的样本量降维的好处好处说明减少过拟合降低模型复杂度提高速度减少计算量去除噪声过滤冗余信息可视化高维数据投影到2D/3D内存节省存储更少特征。

本文介绍了使用KMeans聚类算法对股票进行风格分类的实战案例。首先通过生成模拟数据创建了300只股票样本，包含市盈率、市净率、ROE等5个关键特征。然后演示了如何使用肘部法则和轮廓系数确定最佳聚类数量，并比较了KMeans++与传统随机初始化的效果差异。最后对A股股票进行聚类分析，将股票划分为价值股、成长股、盈利股和热门股等风格类别，通过PCA降维可视化展示聚类结果。整个案例涵盖了数据预处理、模

文章摘要 本文系统回顾了机器学习第二周的核心知识点，包括随机森林、Boosting算法、XGBoost/LightGBM、SVM和朴素贝叶斯等模型的原理与应用。重点介绍了量化交易中的模型评估框架，提出了基于数据规模、预测性能、训练效率等多维度的模型选择方法论。文章详细阐述了时间序列交叉验证策略、多模型融合技术（投票法、Stacking等），并提供了统一的Python评估框架实现。特别针对金融数据特

本文介绍了基于朴素贝叶斯算法的编程实战，重点实现极端涨跌预警的5档分类任务。首先通过可视化展示了贝叶斯定理的核心公式和朴素假设原理，模拟生成了两类数据分布图及条件概率分布图。然后导入多种朴素贝叶斯模型（高斯、多项式、伯努利）及相关评估工具，为后续分类任务做准备。实战内容包括理解朴素贝叶斯原理、掌握三种模型应用、实现五分类预警系统，并比较不同模型效果。通过数学公式和代码示例，直观呈现了特征条件概率计

本文介绍了朴素贝叶斯分类器的核心原理与应用。朴素贝叶斯基于贝叶斯定理，通过特征条件独立性假设简化计算，具有训练速度快、小数据集表现好等优势。文章详细讲解了三种主要模型：高斯朴素贝叶斯（处理连续特征）、多项式朴素贝叶斯（处理计数数据）和伯努利朴素贝叶斯（处理二值特征）。同时分析了该算法的优缺点，特别强调了拉普拉斯平滑对解决零概率问题的重要性。在金融领域，朴素贝叶斯特别适用于需要快速预测的场景，如实时