- 博客(21)
- 收藏
- 关注
RSS订阅原创 首板次日溢价预期
1、大环境的短期市场情绪情绪代表这些短线票的整体热度。比如短线涨停票有一部分第二天还有涨停，此时市场情绪还不错。这种情况下，手中首板票的预测都还可以。2、首板票的地位清楚手中的票在整个板块中的预期如何。分时形态。如果开盘没多久封了个硬板，而且是整个板块中的靠前涨停的，这种票的预期是很强的。板块效应。比如手中的票封板了，这个板块又起来了，这个板块中后面可能还有些票跟着封板，如果又有几只封板，那手中的票第二天直接一字版的概率都很高。如果手中票是最后一个封板，封的忧郁（烂板），第二天的预期相对会弱
2022-02-13 10:46:22
1263
原创 使用Pandas绘制股票均线
使用pandas绘制股票均线，这里以5日均线和20日均线为例。首先导入pandas模块。import pandas as pd# 设置最大列数，避免只显示部分列pd.set_option('display.max_columns', 1000)# 设置最大行数，避免只显示部分行数据pd.set_option('display.max_rows', 1000)# 设置显示宽度pd.set_option('display.width', 1000)# 设置每列最大宽度，避免属性值或列名
2020-12-13 22:00:10
2873
原创 简单记录Pandas常用命令
1. pandas导包import pandas as pd：导入pandas包。2.read_csvdf = pd.read_csv('./data.csv')：读取csv数据3.headdf.head(20)：读取前20条数据，默认前10条4. infodf.info()：返回当前的信息5.indexdf.index：查看当前的索引范围及步长，步长默认为16.columnsdf.columns：查看列名7.dty...
2020-11-29 00:12:53
463
原创 简单记录Linux 常用指令
记录一些linux操作的常用指令，方便遗忘时查看。持续更新。。。输入命令时的常用快捷键Ctrl + A：光标跳到一行命令的开头，与Home 键有相同的效果。Ctrl + E：光标跳到一行命令的结尾，与End 键有相同的效果Ctrl + U：删除所有在光标左侧的命令字符。Ctrl + K：删除所有在光标右侧的命令字符。history 20：查看最近输入的20条指令。一般用上下键查找，对于部分不能使用上下键翻查的工具，可以使用这个指令查看最近输入的指令。...
2020-11-14 22:29:38
160
原创 偏差和方差
高方差的算法，如KNN，KNN算法对数据特别敏感，KNN每次都去找离被预测样本最近的几个已知分类的样本，通过这几个样本的投票进行类别确认，如果这几个样本的标签大部分是错误的，则预测结果就不准确。非参数学习通常是高方差算法，因为这类算法不对数据进行任何假设，只能根据训练数据进行预测，对训练数据的准确性依赖较高。高偏差的算法，如线性回归。参数学习通常是高偏差算法，对数据具有极强的假设。一个抛物线形状的数据集，错误的被假设为线性的，这样就会产生较高的偏差。大多数算法具有可以调整偏差和方差的参数，如
2020-10-28 22:00:46
251
原创 Python使用队列实现读写分离
场景：从文件读取数据，处理后写入文件。考虑到的处理方式有两种。这里使用的队列是最常见的先进先出队列。方式一：读取并处理数据——> 存入Queue ——> 从Queue取出并写入文件对于处理过程比较简单的情况可以在取出数据的时候直接处理，然后将数据存入Queue。在读取数据时可以使用多进程来提高速度。方式二：读取数据并预处理——> 存入Queue1 ——>从Queue1取出数据处理——>存入Queue2——>从Queue2取出并写入...
2020-10-24 20:34:06
1335
1
原创 Python换钱的最少货币数
题目：给定数组arr，arr中所有的值都为正数且不重复。每个值代表一种面值的货币，每种面值的货币可以使用任意张，再给定一个整数aim，代表要找的钱数，求组成aim的最少货币数。例：arr = [5, 2, 3]，aim = 20，arr中组成20的最少张数为4，返回4。arr = [5, 2, 3]，aim = 0，不用任何货币就可以组成0，返回0。arr = [3, 5]，aim = 2，钱找不开返回-1。思路：假设arr = [5, 2, 3]，aim=10。建立一.
2020-10-03 23:43:07
1086
原创 Python矩阵的最小路径和
题目：给定一个矩阵m， 从左上角开始每次只能向右或者向下走，最后到达右下角的位置，路径上所有的数字累加起来就是路径和，返回所有的路径中最小的路径和。思路：这是经典的动态规划题。矩阵m的大小为N行M列。假设m如下：1 3 5 9 8 1 3 4 5 0 6 1 8 8 4 0 首先生成一个大小和m一样的矩阵dp，dp中的每个元素用于记录从(0,0)位置到达该位置的最小路径和。对于dp[i][j].
2020-10-02 22:40:23
2135
1
原创 Python前向最大匹配、后项最大匹配、双向最大匹配
下面是前向最大匹配、后项最大匹配和双向最大匹配的具体实现，使用的是python。class WordSeg(object): def __init__(self, dic): self.dic = dic self.window_size = len(max(dic, key=len, default='')) def forward_max_match(self, text): fmm_result = [] inde
2020-09-27 23:57:45
1165
原创 Linux常用查找文件名指令
【find】指令格式：find path [options] params例1：在当前路径下查找"filename.txt"文件。find-name "filename.txt"例2：在根路径下查找"filename.txt"文件。find / -name "filename.txt"例3：在根路径下模糊查找文件名以"start"开头的文件。find / -name "start*"例4：在根路径下模糊查找文件名以"start"开头...
2020-09-19 12:47:09
5160
原创 读《数学之美》的一点收获
《数学之美》是一本非常好的书，接触过自然语言处理的大多数应该都听说过这本书，书里的具体内容这里就不介绍了，感兴趣的朋友可以去看一下，这里主要说一下我的一些想法和收获。1. 数学。记得读大学那会儿，考完线性代数概率论，和周围的同学抱怨：这玩意儿能有啥用，可能这辈子都用不上。上天给了一把屠龙刀，有些拿去屠龙，有些去砍柴，而我挥了两下直接扔了：破刀。现在想想真是可笑。2. “什么方法不好”，这是贾里尼克教授在学术上给作者最大的帮助，贾里尼克会在第一时间告诉作者哪些方法不好，提醒作者少走弯路。同...
2020-09-07 23:20:05
154
原创 机器学习问题的简单介绍
对于一个完整的机器学习问题，一般包括以下五个部分：样本 模型 训练 测试 推理样本是去抽取知识的依据。机器学习并不是盲目的进行推理，通常会根据已知的内容来抽取一些客观的的规律，然后根据这些规律去进行进一步的推理和预测，而这些规律是通过样本挖掘出来的。样本通常包括两个部分：属性和标签。属性可以理解为是对样本的描述，比如，对于一个“人”，他的皮肤是黄色的，眼睛是黑色的，另外一个“人”的皮肤是白色的，眼睛是蓝色的，通过不同颜色皮肤和眼睛这样的属性来描述这个人，而标签...
2020-09-05 21:28:03
310
原创 【Python】lambda表达式、三元运算符、map函数、filter过滤器、reduce函数
1. lambda表达式又称为匿名函数。格式： lambda 参数列表:函数体例1：实现一个简单的两数相加的方法，如下：def add(x, y): return x + y使用lambda表达式实现两数相加，如下：add_lambda = lambda x,y: x+y调用的方法：res = add_lambda(2,3)print('res:', res)结果：res: 5...
2020-09-02 23:26:04
479
原创 Python使用logging进行简单的日志处理
将日志输出到日志和控制台，先导入相关模块。import osimport loggingimport timeimport sys设置log的文件夹路径，并判断log文件夹是否存在，若不存在则创建PROJECT_DIR = os.path.abspath(os.path.join(os.path.dirname(__file__), os.pardir))LOG_DIR = os.path.join(PROJECT_DIR,'log')初始化log的输出格式，可以根据需求
2020-08-30 11:11:12
261
原创 使用Python生成股票K线图
可视化股票数据，这里只做简单的处理，只显示k线图。选取的是海通证券（600837）2020年1月1日之后150个交易日的数据，代码如下。数据是提前获取的，获取方法见：使用Python获取股票数据。import mpl_finance as mpffrom matplotlib import pyplot as pltimport numpy as npimport pandas as pdfig = plt.figure(figsize=(12,8))ax = fig.add_sub.
2020-08-23 20:21:58
9091
2
原创 【机器学习】K-近邻算法（KNN）的简单实现
目录引言1. KNN的简单实现2. 封装KNN方法3. 测试3.1 鸢尾花数据3.2 手写数字引言K-近邻算法（KNN）是最简单的机器学习算法之一。该算法的思想是： 两个样本如果足够相似的话，那么它们很可能属于同一个类别。对于一个新的样本，只看和它最相似的一样本是不靠谱的，这里看和它最相似的k个样本中属于哪个类别的样本数最多，则这个新样本最有可能属于该类别。详细的算法介绍网上随便都能收到很多，这里就不写了，直接整代码。1. KNN的简单...
2020-08-22 16:37:56
513
原创 Python数字拆分
数字拆分例如：输入：3输出[1, 1, 1][1, 2][2, 1][3]递归的层数不定，使用python实现，直接上代码。class num_div(object): def __init__(self): self.datas = [] self.total = 0 def search(self, rest): if rest <= 0: print(self.datas)
2020-08-16 21:00:57
5001
原创 Python回溯法实现全排列
下面解法的特点：递归的层数固定，解空间是由上一个传递过来的。这里使用的是python，直接上代码。class AllRange(object): def __init__(self, data_list): self.data_list = data_list self.arranges = [] # 用于存放过程中的各种结果 self.total = 0 def search(self, depth, datas): i
2020-08-16 19:08:37
841
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人