机器学习与量化交易∙笔记（1）

• Four Paradigms of Machine Learning

  • Connetionism连接主义。
  • Symbolism符号主义。可解释性
  • Frequentists
  • Bayesian

  Connetionism、Symbolism、Frequentists属同一类；Bayesian是单独的一类。

  60年代各类人工智能模型都已经出现了，70年代热度降低，80年代神经网络较热，但是黑盒属性导致不好解释；95年左右出现SVM具有可解释性。06年出现第一个深度学习模型；2011年出现DBN。

  神经网络最厉害的在于特征(feature)的表示,导致其在金融中的应用并没有图像应用中那么神奇。因为图像的特征不好表示，而金融数据特征本身就挺好表示的。

• Machine Learning三步走

  • Data数据
  • Model & Objective Function建立模型，并通过
  • Optimization优化；就是寻找函数极值

• 统计学&概率论&机器学习区别

神经网络没有统计学背景，与SVM不同。

统计是统计学习的上游学科，与概率不同。统计学的数学工具只有一个：大数定律，其他所有公式和定律都可以通过其推到出来。统计学要做的是通过一些数据建立预测性的模型。

做概率的不需要任何数据，也不需要跑任何程序。概率是基于