量化
-
PYTHON TENSORFLOW 2二维卷积神经网络CNN对图像物体识别混淆矩阵评估|数据分享
什么是CNN Convolutional Neural Networks （ConvNets 或 CNNs）是一类神经网络，已被证明在图像识别和分类等领域非常有效。与传统的多层感知…
-
Python用GAN生成对抗性神经网络判别模型拟合多维数组、分类识别手写数字图像可视化
最近我们被客户要求撰写关于GAN生成对抗性神经网络的研究报告，包括一些图形和统计输出。 近年来，GAN一直是研究的热门话题。Facebook的AI研究总监Yann LeCun称对抗…
-
R语言神经网络模型预测多元时间序列数据可视化
多元时间序列预测的一个基本假设是，其变量相互依赖。 在本文中，我们专门针对客户的多元时间序列数据设计了神经网络框架，拟合单隐层神经网络，可能存在跳跃层连接。 查看数据 其中Y为因变…
-
Python中TensorFlow的长短期记忆神经网络(LSTM)、指数移动平均法预测股票市场和可视化
在本文中，你将看到如何使用一个被称为长短时记忆的时间序列模型。LSTM模型很强大，特别是在保留长期记忆方面。在本文中，你将解决以下主题。 理解为什么你需要能够预测股票价格的变动。 …
-
R语言逻辑回归、决策树、随机森林、神经网络预测患者心脏病数据混淆矩阵可视化
如果能提前准确预测这些信息，可以为医生提供重要见解，从而能够相应并有效地进行患者治疗。以下演示了对流行的心脏疾病数据库进行的探索性数据分析。除此之外，还使用不同方法（如逻辑回归、随…
-
Python中TensorFlow的长短期记忆神经网络(LSTM)、指数移动平均法预测股票市场和可视化
在本文中，你将看到如何使用一个被称为长短时记忆的时间序列模型。LSTM模型很强大，特别是在保留长期记忆方面。在本文中，你将解决以下主题。 理解为什么你需要能够预测股票价格的变动。 …
-
HAR-RV-J与递归神经网络（RNN）混合模型预测和交易大型股票指数的高频波动率
简介 波动性在资产定价和分配以及风险管理中起着核心作用，例如风险价值(_VaR_)与期望损失(_ES_)。对计量经济学家，统计学家和从业者来说，建模和预测波动性非常重要。然而，传统…
-
Python用线性回归和TensorFlow非线性概率神经网络不同激活函数分析可视化
这在模型噪声随着模型变量之一变化或为非线性的情况下特别有用，比如在存在异方差性的情况下。 当客户的数据是非线性时，这样会对线性回归解决方案提出一些问题： python # 添加的噪…
-
Python中用PyTorch机器学习神经网络分类预测银行客户流失模型
数据集 让我们将所需的库和数据集导入到我们的Python应用程序中： import torch import torch.nn as nn import numpy as np i…
-
R语言用灰色模型 GM (1,1)、神经网络预测房价数据和可视化
由于房价的长期波动性及预测的复杂性，利用传统的方法很难准确预测房价，而灰色模型 GM (1,1)和神经网络的结合在一定程度上可以很好的解决这个问题。文章首先介绍了 GM (1,1)…
-
RNN循环神经网络 、LSTM长短期记忆网络实现时间序列长期利率预测
简单的介绍 时间序列涉及按时间顺序收集的数据。我用 xt∈R 表示单变量数据，其中 t∈T 是观察数据时的时间索引。时间 t 在 T=Z 的情况下可以是离散的，或者在 T=R 的情…
-
Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析|数据分享
什么是依赖关系？ 假设您在观看视频时记得前一个场景，或者在阅读一本书时您知道前一章发生了什么。 传统的神经网络无法做到这一点，这是一个主要缺点。例如，假设您想对电影中每一点发生的事…
