19、机器学习与高频交易：原理、机制与利弊分析

机器学习与高频交易：原理、机制与利弊分析

1. 机器学习基础与学习建议

机器学习是一个复杂且广泛的领域，要理解它，一定的数学知识是必不可少的。并不需要高深的数学，高中数学知识，加上对大学微积分和线性代数的基本理解，至少对于理解机器学习方程就足够了，虽然可能不足以进行严格的证明。

除了复习数学，阅读用数学表达式严谨解释机器学习的书籍也是很有必要的。以下是一些涵盖广泛机器学习方法的书籍：
- Bishop（2006）
- Hastie, Tibshirani 和 Friedman（2009）
- Murphy（2012）

在将机器学习方法应用于实际数据时，编程知识也不可或缺。Python 和 R 是机器学习领域广泛使用的编程语言。

Python 本身没有专门的机器学习函数，但可以通过加载以下包在 Python 程序中使用机器学习功能：
- scikit - learn（https://scikit - learn.org）
- statsmodels（https://www.statsmodels.org）
- TensorFlow（https://www.tensorflow.org）
- PyTorch（https://pytorch.org）

使用 Anaconda（https://www.anaconda.com）可以相对容易地为初学者安装 Python 以及其他必要的包。像 Raschka 和 Mirjalili（2017）的书籍就是关于 Python 机器学习的实用手册。

R 语言同样可以免费下载和使用，关于使用 R 进行机器学习的书籍有 Ja