<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[404NotFound]]></title><description><![CDATA[Some people die at 25 and aren't buried until 75.]]></description><link>https://blog.youkuaiyun.com/yzp1011</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; yzp1011]]></copyright><item><title><![CDATA[leetcode刷题——交换和]]></title><link>https://blog.youkuaiyun.com/yzp1011/article/details/106981249</link><guid>https://blog.youkuaiyun.com/yzp1011/article/details/106981249</guid><author>yzp1011</author><pubDate>Sat, 27 Jun 2020 12:39:20 +0800</pubDate><description><![CDATA[一、题目描述

  给定两个整数数组，请交换一对数值（每个数组中取一个数值），使得两个数组所有元素的和相等。

  返回一个数组，第一个元素是第一个数组中要交换的元素，第二个元素是第二个数组中要交换的元素。若有多个答案，返回任意一个均可。若无满足条件的数值，返回空数组。

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/sum-swap-lcci
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

  二、题目分...]]></description><category></category></item><item><title><![CDATA[leetcode刷题——兰顿蚂蚁]]></title><link>https://blog.youkuaiyun.com/yzp1011/article/details/106978972</link><guid>https://blog.youkuaiyun.com/yzp1011/article/details/106978972</guid><author>yzp1011</author><pubDate>Sat, 27 Jun 2020 10:07:18 +0800</pubDate><description><![CDATA[一、题目描述 

  一只蚂蚁坐在由白色和黑色方格构成的无限网格上。开始时，网格全白，蚂蚁面向右侧。每行走一步，蚂蚁执行以下操作。

  (1) 如果在白色方格上，则翻转方格的颜色，向右(顺时针)转 90 度，并向前移动一个单位。
  (2) 如果在黑色方格上，则翻转方格的颜色，向左(逆时针方向)转 90 度，并向前移动一个单位。

  编写程序来模拟蚂蚁执行的前 K 个动作，并返回最终的网格。

  网格由数组表示，每个元素是一个字符串，代表网格中的一行，黑色方格由'X'...]]></description><category></category></item><item><title><![CDATA[偷懒好久，再刷leetcode——稀疏相似度]]></title><link>https://blog.youkuaiyun.com/yzp1011/article/details/106973723</link><guid>https://blog.youkuaiyun.com/yzp1011/article/details/106973723</guid><author>yzp1011</author><pubDate>Fri, 26 Jun 2020 20:02:45 +0800</pubDate><description><![CDATA[上次坚持刷leetcode，还是两年前leetcode刚出中文版前后，贡献了部分题目的翻译。偷懒好久了，再次打开，发现题目多了好多，随便刷一道：

  一、题目

  两个(具有不同单词的)文档的交集(intersection)中元素的个数除以并集(union)中元素的个数，就是这两个文档的相似度。例如，{1, 5, 3} 和 {1, 7, 2, 3} 的相似度是 0.4，其中，交集的元素有 2 个，并集的元素有 5 个。给定一系列的长篇文档，每个文档元素各不相同，并与一个 ID 相关联。它...]]></description><category></category></item><item><title><![CDATA[佛系老年学量化——从实现指标开始（KDJ）]]></title><link>https://blog.youkuaiyun.com/yzp1011/article/details/104033834</link><guid>https://blog.youkuaiyun.com/yzp1011/article/details/104033834</guid><author>yzp1011</author><pubDate>Sat, 18 Jan 2020 21:30:40 +0800</pubDate><description><![CDATA[一、指标说明

  KDJ指标（指标解释来自百度百科）,KDJ指标又叫随机指标，是一种相当新颖、实用的技术分析指标，它起先用于期货市场的分析，后被广泛用于股市的中短期趋势分析，是期货和股票市场上最常用的技术分析工具。

随机指标KDJ一般是用于股票分析的统计体系，根据统计学原理，通过一个特定的周期（常为9日、9周等）内出现过的最高价、最低价及最后一个计算周期的收盘价及这三者之间的比例关系，来...]]></description><category></category></item><item><title><![CDATA[佛系老年学量化——从实现指标开始（DKX）]]></title><link>https://blog.youkuaiyun.com/yzp1011/article/details/104031540</link><guid>https://blog.youkuaiyun.com/yzp1011/article/details/104031540</guid><author>yzp1011</author><pubDate>Sat, 18 Jan 2020 16:54:28 +0800</pubDate><description><![CDATA[一、指标说明
DKX指标（多空线指标，指标解释来自百度百科）

  多空线是一个统计性指标。它是将主动买、主动卖的成交按时间区间分别统计而形成的一个曲线。多空线有两条线，以交叉方式提示买入卖出。

计算公式（通达信）

  MID:=(3*CLOSE+LOW+OPEN+HIGH)/6;

  DKX:(20*MID+19*REF(MID,1)+18*REF(MID,2...]]></description><category></category></item><item><title><![CDATA[佛系老年学量化——从实现指标开始（ADTM）]]></title><link>https://blog.youkuaiyun.com/yzp1011/article/details/104012863</link><guid>https://blog.youkuaiyun.com/yzp1011/article/details/104012863</guid><author>yzp1011</author><pubDate>Fri, 17 Jan 2020 00:47:30 +0800</pubDate><description><![CDATA[一、指标说明
ADTM指标（动态买卖气指标，指标解释来自MBA智库百科）

动态买卖气指标(ADTM)是用开盘价的向上波动幅度和向下波动幅度的距离差值来描述人气高低的指标。

计算公式（通达信）


DTM:=IF(OPEN&lt;=REF(OPEN,1),0,MAX((HIGH-OPEN),(OPEN-REF(OPEN,1))));
DBM:=IF(OPEN&gt;=R...]]></description><category></category></item><item><title><![CDATA[佛系老年学量化——从实现指标开始（ACCER）]]></title><link>https://blog.youkuaiyun.com/yzp1011/article/details/103997922</link><guid>https://blog.youkuaiyun.com/yzp1011/article/details/103997922</guid><author>yzp1011</author><pubDate>Thu, 16 Jan 2020 01:16:59 +0800</pubDate><description><![CDATA[一、指标说明

 ACCER指标（指标解释来自百度百科）

  幅度涨速（ACCER）是通过计算收盘价的N日线性回归斜率的方法，来测量股价上涨和下跌的速度的指标，是超买超买型指标。

  计算公式

  1.幅度涨速=收盘价的N日线性回归斜率/收盘价

  2.参数N一般设置为8，但因根据需要调整。

  二、实现方式：（为方便在聚宽平台使用，模仿聚宽调用形式）

...]]></description><category></category></item><item><title><![CDATA[填坑笔记——腾讯云大学微信小程序云开发HTTP]]></title><link>https://blog.youkuaiyun.com/yzp1011/article/details/103791048</link><guid>https://blog.youkuaiyun.com/yzp1011/article/details/103791048</guid><author>yzp1011</author><pubDate>Wed, 01 Jan 2020 10:30:26 +0800</pubDate><description><![CDATA[首先不得不说企鹅为了广泛推广小程序也是煞（bu）费（zhe）苦（shou）心（duan），学习路径里的课程质量还是蛮不错的，对于全面微信小程序的全面了解还是颇有助益。然而由于采用的第三方包不断更新，加之小程序报错不算友好，给了很多新手从入门到放弃的理由，官方视频都走不下来，还怎么玩，????。

  在发送HTTP请求这节课程中，发现原样搬来的代码，居然报错，错误如下，看着报出的错，真是一脸...]]></description><category></category></item><item><title><![CDATA[使用pyecharts中的一个坑——x轴类型]]></title><link>https://blog.youkuaiyun.com/yzp1011/article/details/84673777</link><guid>https://blog.youkuaiyun.com/yzp1011/article/details/84673777</guid><author>yzp1011</author><pubDate>Sun, 02 Dec 2018 11:25:11 +0800</pubDate><description><![CDATA[问题描述：

使用pyecharts绘制频谱图，结果与与其相去甚远， 我想象中的样子和实际中的样子见下图。


我想象中的频谱图


实际看到的频谱图

查找原因：

看到图后一脸梦比的我，看了数据，非常完美，毫无毛病。百度了一通也没有头绪。打开F12，漫无目的检查脚本，终于发现了这个坑。xaxis_type默认值居然是category，有木有阿，有木有！我明明给的float，为毛会识别为类别轴！...]]></description><category></category></item><item><title><![CDATA[量化交易从入门到放弃——体验简单策略熟悉API（ENE下轨交易）]]></title><link>https://blog.youkuaiyun.com/yzp1011/article/details/84349839</link><guid>https://blog.youkuaiyun.com/yzp1011/article/details/84349839</guid><author>yzp1011</author><pubDate>Thu, 22 Nov 2018 22:19:12 +0800</pubDate><description><![CDATA[本文仅为学习笔记，无法保证正确性，不可作为交易参考。

曾经非常迷恋谈股论今这档节目，幽默风趣的主持人经常提到一个堪称经典的ENE指标，使用参数10,11,9，传说大盘股触碰ENE下轨，必有10%的反弹，今天简单测试一下。

1、算法思路

既然是大盘股，选取上证180指数成份股;
	仓位9成以上不再开新仓;
	股票池中个股现价低于ENE下轨1%买入;
	只开仓不加仓;
	10%止盈;
	10%止...]]></description><category></category></item><item><title><![CDATA[量化交易从入门到放弃——体验简单策略熟悉API（生命线交易）]]></title><link>https://blog.youkuaiyun.com/yzp1011/article/details/84347644</link><guid>https://blog.youkuaiyun.com/yzp1011/article/details/84347644</guid><author>yzp1011</author><pubDate>Thu, 22 Nov 2018 20:01:11 +0800</pubDate><description><![CDATA[本文仅为学习笔记，无法保证正确性，不可作为交易参考。

策略——生命线（MA20）买卖，MA为滑动平均线，取N天均值。

1、算法逻辑

分别选取沪深300及创业板个股进行测试;
	突破生命线买入1%，跌破生命线5%卖出;
	按分钟回测，仓位90%以下，每分钟在股票池选取5只以市价模式开新仓;
2、代码实现（以创业板为例）


# 导入函数库
import numpy as np
import p...]]></description><category></category></item><item><title><![CDATA[量化交易从入门到放弃——体验简单策略熟悉API（次新股倒金字塔加仓）]]></title><link>https://blog.youkuaiyun.com/yzp1011/article/details/84311462</link><guid>https://blog.youkuaiyun.com/yzp1011/article/details/84311462</guid><author>yzp1011</author><pubDate>Tue, 20 Nov 2018 23:30:23 +0800</pubDate><description><![CDATA[本文仅为学习笔记，无法保证正确性，不可作为交易参考。

在市场上有一个被奉为真理的加仓方法——倒金字塔加仓，传说只要按照倒金字塔加仓，一定不会亏损;今天就对这一方法利用宽客平台实现一下。

1、算法逻辑

1、分别选取次新板块和沪深300;

2、过滤上市不满30天股票;

3、为了不让平台珍贵的运算能力浪费在我这无聊的代码运行过程，随机选取50支;

4、初始建仓10%;

5、每当个股持仓亏损...]]></description><category></category></item><item><title><![CDATA[ubuntu16.04 LTS安装Tensorflow-gpu（python）]]></title><link>https://blog.youkuaiyun.com/yzp1011/article/details/83928449</link><guid>https://blog.youkuaiyun.com/yzp1011/article/details/83928449</guid><author>yzp1011</author><pubDate>Sat, 10 Nov 2018 13:59:36 +0800</pubDate><description><![CDATA[最近在学习深度强化学习，仿真环境gym下的很多组件windows下不支持，只能移步linux，在linux下安装tensorflow-gpu经常会出现各种奇奇怪怪令人生无可恋的问题，总是耗时耗力直到绝望，好在多次安装，跳过各种坑，网上经常难以找到称手的教程，自己写一个，以后用，同时献给需要的小伙伴们。

首先目前tensorflow的gpu版支持cuda计算架构，对opencl也开始支持，但不是很...]]></description><category></category></item><item><title><![CDATA[leetcode-916. Word Subsets(单词子集)]]></title><link>https://blog.youkuaiyun.com/yzp1011/article/details/82929974</link><guid>https://blog.youkuaiyun.com/yzp1011/article/details/82929974</guid><author>yzp1011</author><pubDate>Wed, 03 Oct 2018 09:52:56 +0800</pubDate><description><![CDATA[1、题目描述

We are given two arrays A and B of words.  Each word is a string of lowercase letters.

Now, say that word b is a subset of word a if every letter in b occurs in a, including multiplicity.  Fo...]]></description><category></category></item><item><title><![CDATA[常见机器学习算法学习——KNN（K邻近）]]></title><link>https://blog.youkuaiyun.com/yzp1011/article/details/82839102</link><guid>https://blog.youkuaiyun.com/yzp1011/article/details/82839102</guid><author>yzp1011</author><pubDate>Sat, 29 Sep 2018 11:06:52 +0800</pubDate><description><![CDATA[1、 算法简述    

文章中描述性内容，多来自维基百科KNN。

KNN（ k-nearest neighbors algorithm）是一种非参数、有监督算法，由T. M. COVER, P. E. HART, Hart PE 在1967年提出，后被广泛应用于模式识别领域，既可用于分类也可以用于回归。

KNN是一种懒学习（lazy learning）算法，没有显式的训练过程；将多维特征空间...]]></description><category></category></item><item><title><![CDATA[splash3.2学习笔记——HTTP API（2）]]></title><link>https://blog.youkuaiyun.com/yzp1011/article/details/80028694</link><guid>https://blog.youkuaiyun.com/yzp1011/article/details/80028694</guid><author>yzp1011</author><pubDate>Sat, 21 Apr 2018 16:10:50 +0800</pubDate><description><![CDATA[render.har    使用HAR格式返回Splash与网站交互的信息。包含请求、响应、时间线、头部信息，等。    可以使用HAR Viewer显示端点返回的可视化信息;与FIrefox和Chrome开发者工具中的&quot;Network&quot;标签。    当前，该端点不显示原请求内容;只有像头部和时间线的meta-information可用，当response-body选项设置为1时，包含响应内容。 ...]]></description><category></category></item><item><title><![CDATA[splash3.2学习笔记——HTTP API（1）]]></title><link>https://blog.youkuaiyun.com/yzp1011/article/details/80026303</link><guid>https://blog.youkuaiyun.com/yzp1011/article/details/80026303</guid><author>yzp1011</author><pubDate>Sat, 21 Apr 2018 13:26:28 +0800</pubDate><description><![CDATA[    Splash是一个javascript渲染工具。是一款支持HTTP API的轻量级web浏览器，通过Python3的twisted和QT5实现。QT(twisted)反应器通过QT主循环充分利用webkit的并发优势，使渲染服务完全异步。SPlash的一些主要特性：并行处理多个网页;获取HTML结果、截屏;通过关闭图片或使用Adblock Plus规则实现更快渲染;在页面上下文中执行自定义...]]></description><category></category></item><item><title><![CDATA[scrapy使用笔记——快速安装]]></title><link>https://blog.youkuaiyun.com/yzp1011/article/details/79979082</link><guid>https://blog.youkuaiyun.com/yzp1011/article/details/79979082</guid><author>yzp1011</author><pubDate>Tue, 17 Apr 2018 19:03:48 +0800</pubDate><description><![CDATA[运行环境：ubuntu16.04LTS工具：python包管理器pip命令：sudo pip install scrapy运行结果：Successfully installed Automat-0.6.0 PyDispatcher-2.0.5 Twisted-17.9.0 asn1crypto-0.24.0 attrs-17.4.0 cffi-1.11.5 constantly-15.1.0 cr...]]></description><category></category></item><item><title><![CDATA[leet200. 岛屿的个数]]></title><link>https://blog.youkuaiyun.com/yzp1011/article/details/79822431</link><guid>https://blog.youkuaiyun.com/yzp1011/article/details/79822431</guid><author>yzp1011</author><pubDate>Wed, 04 Apr 2018 21:31:36 +0800</pubDate><description><![CDATA[题目：给定 '1'（陆地）和 '0'（水）的二维网格图，计算岛屿的数量。一个岛被水包围，并且通过水平或垂直连接相邻的陆地而形成。你可以假设网格的四个边均被水包围。示例 1:11110
11010
11000
00000答案: 1示例 2:11000
11000
00100
00011答案: 3分析：遍历grid，当当前位置值为1时，岛的数量加1，为了防止重复计数，将遍历后的位置改为0或1以外的值，...]]></description><category></category></item><item><title><![CDATA[leet230. 二叉搜索树中第K小的元素]]></title><link>https://blog.youkuaiyun.com/yzp1011/article/details/79821702</link><guid>https://blog.youkuaiyun.com/yzp1011/article/details/79821702</guid><author>yzp1011</author><pubDate>Wed, 04 Apr 2018 20:07:29 +0800</pubDate><description><![CDATA[题目：给定一个二叉搜索树，编写一个函数kthSmallest来查找其中第k个最小的元素。注意：你可以假设k总是有效的，1≤ k ≤二叉搜索树元素个数。进阶：如果经常修改二叉搜索树（插入/删除操作）并且你需要频繁地找到第k小值呢？ 你将如何优化kthSmallest函数？分析：根据BST的特点，任一左子树节点值不大于根节点值，根节点值不大于右子树节点值采用中序遍历，节点值依次递增，当遍历到第k个节点...]]></description><category></category></item></channel></rss>