量化
-
概念漂移：时序模型失效的重要原因
· · · 一. 什么是概念漂移 机器学习和数据挖掘中的概念漂移是指潜在问题中输入和输出数据之间的关系随时间的变化。在其他领域，这种变化可能被称为“协变量偏移”、“数据集偏移”或“…
-
River：Python中进行流数据机器学习的工具
· · · 一. 什么是在线机器学习 在线机器学习是一种机器学习的方法，其中模型通过逐个处理数据流中的样本来进行训练和更新。与传统的批处理方式相比，在线机器学习可以在数据流不断到达…
-
大模型技术在表格数据任务上的应用进展
· 论文 | Meta contrastive label correction for financial time series · · 表格任务是指涉及处理和理解结构化表格数…
-
时间序列分析中的平稳性
· 论文 | Meta contrastive label correction for financial time series · · 一 为什么时间序列的平稳性很重要？ 时…
-
XGBoost 与 LightGBM有什么不同？
· 论文 | Meta contrastive label correction for financial time series · · 近年来，梯度提升（boosting）算…
-
Polars:加速DataFrame数据处理的利器
· 论文 | Meta contrastive label correction for financial time series · · Polars是一个用于数据处理和分析的…
-
使用XGBoost预测排名
· 论文 | Meta contrastive label correction for financial time series · · 赛马是一项古老而受欢迎的运动，涉及赛马…
-
表格任务中的深度学习模型性能比较
· 论文 | Meta contrastive label correction for financial time series · · 过去几年来，深度学习模型在图像识别和自…
-
机器学习模型调优指南
· 论文 | Meta contrastive label correction for financial time series · · 机器学习中，特别是在模型的开发和部署过…
-
Optuna：高效易用的超参优化利器
· 论文 | Meta contrastive label correction for financial time series · · Optuna是一个用于超参数优化的Py…
-
Ensemble:优雅地提升模型预测效果
· 论文 | Meta contrastive label correction for financial time series · 集成方法（Ensemble）是一种技术，通…
-
深度学习与统计学：时间序列预测中的胜出者是谁？
一 本文简介 近年来，深度学习在自然语言处理领域取得了显著进展。然而，在时间序列预测领域，深度学习模型的应用仍处于探索阶段。时间序列本质上是一系列按时间顺序排列的数据点。可以将其视…
