#38 · 主分类： 时间序列机器学习
Deep_Learning_Machine_Learning_Stock
algorithms
data-science
deep-learning
feature-engineering
feature-extraction
feature-selection
features-extraction
financial-engineering
machine-learning
neural-network
prediction
stock-analysis
stock-data
stock-market
stock-prediction
stock-price-prediction
stock-prices
stock-trading
technical-analysis
trading
深度学习和机器学习股票为长期和短期投资者及交易者提供了有前景的机会。
项目最后更新：03/01/24
GitHub Stars
1.8K
Forks数量
365
贡献者数量
1
许可证
MIT
收录理由
这个仓库用 Jupyter notebook 一步步演示了如何把机器学习和深度学习方法用到股票数据上，不是空谈理论，而是带着你走完整个预测流程：从收集和整理行情数据开始，到模型选择、训练、调参，最后做出预测，同时覆盖了回归和分类两类问题，也兼顾技术面与基本面分析。项目还专门讨论了特征工程和偏差-方差权衡，解释模型为什么会过拟合，让你不光知道什么方法有效，也明白背后的原因。对于数据科学家或量化开发人员来说，在动手搭建自己的系统之前，这里是一份很实在的参考，能直观看到经典机器学习模型和神经网络在真实市场数据上的表现；刚入门的人也能借其中的讲解，针对具体的预测任务找到合适的思路。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。