多项式核 添加多项式特征很容易实现，不仅仅在 SVM，在各种机器学习算法都有不错的表现，但是低次数的多项式不能处理非常复杂的数据集，而高次数的多项式却产生了大量的特征，会使模型变得慢。   幸运的是，

　　我的浅见是，重仓交易和轻仓交易都是可以选择的路线，只是选择不同，策略也要有所不同。   如果选择重仓交易，以下的方式或许有用：重仓出击，一击必中，不中则退，盈利减仓。 既然选择重仓交易，就不能随随便下

　　交易是一项技能，如同开车、游泳一样。要想掌握这项技能，靠研究理论是行不通的，只有经过长期大量的练习才能掌握它。一个整天研究各种交易理论而缺乏交易实践的人，就如同一个整天阅读游泳书籍却不敢下水的人一样可

　　关于市场 关于市场金融市场若分析起来，铁定没完没了，经济大势、**影响、个股基本面、历史走势图、产业前景等等分析后，可研究来研究去最后很单纯，只是买或不买、卖或不卖的最终判断而已。 市场不是真实的世界

　　背后机制 这个章节从线性 SVM 分类器开始，将解释 SVM 是如何做预测的并且算法是如何工作的。如果你是刚接触机器学习，你可以跳过这个章节，直接进入本章末尾的练习。等到你想深入了解 SVM，再回头研

　　梯度提升 另一个非常著名的提升算法是梯度提升。与 Adaboost 一样，梯度提升也是通过向集成中逐步增加分类器运行的，每一个分类器都修正之前的分类结果。然而，它并不像 Adaboost 那样每一次迭

　　随机贴片与随机子空间 BaggingClassifier 也支持采样特征。它被两个超参数 max_features 和 bootstrap_features 控制。他们的工作方式和 max_sampl

　　假设你去随机问很多人一个很复杂的问题，然后把它们的答案合并起来。通常情况下你会发现这个合并的答案比一个专家的答案要好。这就叫做 群体智慧 。同样的，如果你合并了一组分类器的预测（像分类或者回归），你也

　　与支持向量机一样，决策树也是多功能的机器学习算法，既可以执行分类任务，也可以执行回归任务，甚至可以执行多输出任务。 它们是非常强大的算法，能够完美契合复杂的数据集。 例如，在第 2 章中，我们在加利福

　　很多机器学习的问题都会涉及到有着几千甚至数百万维的特征的训练实例。这不仅让训练过程变得非常缓慢，同时还很难找到一个很好的解，我们接下来就会遇到这种情况。这种问题通常被称为维数灾难（curse of d

　　基础知识 ——————————————————————————— 波动率含义Volatility（Vol）   波动率(Vol)是 资产价格的波动程度 ，是对资产收益率不确定性的衡量，用于反映资产的风

　　主成分分析（PCA） 主成分分析（Principal Component Analysis）是目前为止最流行的降维算法。首先它找到接近数据集分布的超平面，然后将所有的数据都投影到这个超平面上。    

　　对所有进入这个市场的人来说，没有一个人是带着亏钱的目的而来的。但是百分之九十的人都带着亏损离去，甚至于爆仓而去。成为一个期货交易的高手，真的那么难吗？期市之道，真的有如蜀道难，难于上青天吗？ 在期货上

　　自本杰明•L•考顿在所著的《触发你交易的信号》一书中揭示了：利用两不同周期的移动平均线的交叉点这个条件，可以提前一天计算出明天的价格这一秘密之后，使得有条件的精确预测（而不是概率判断）成为了一种事实！

　　比特币的价格正在上涨，而这一次，看起来华尔街已经开始庆祝了。 周二，比特币自5月中旬以来首次达到了Bitfinex的8500美元门槛，虽然此后已从这两个月的高点回落数百美元，不过仍在过去一周上涨了10