指标计算.pdf-黄恒秋 张良均 谭立云 莫洁安-人民邮电出版社
文本预览下载声明
第11章综合案例4：行业联动与轮动分析235信度分别大于0.2和0.58，示例代码如下：importOneRuleasORr=OR.rule(Data,0.2,
显示全部
文档详情
相似文档
-
指标计算.pdf-黄恒秋 张良均 谭立云 莫洁安-人民邮电出版社
第11章综合案例4：行业联动与轮动分析231续表IDrulesupportconfidence19纺织服装_up—轻工制造_up059409
-
计算举例.pdf-黄恒秋 张良均 谭立云 莫洁安-人民邮电出版社
Python金融数据分析与挖掘实战9190算法如下：（1）记P、S分别为价格序列和成交量序列，预定义obv=np.zeros((len(P)))。（2
-
Python启动及界面认识.pdf-黄恒秋 张良均 谭立云 莫洁安-人民邮电出版社
Python金融数据分析与挖掘实战94图16通过滑动图1-6中的滚动条，可以发现Numpy、Pandas、Matplotlib、Scikit-learn这些包均已经存在，无须再进行单独安装，而且这些包也是数据分析与挖掘中经常用到的包。本书主
-
函数定义及使用方法.pdf-黄恒秋 张良均 谭立云 莫洁安-人民邮电出版社
第10章综合案例3：股票价格形态聚类与收益分析21710.6量化投资策略设计与分析上一节利用K-最频繁值聚类算法对候选的股票进行了形态聚类分析，取K=20，即聚
-
子图.pdf-黄恒秋 张良均 谭立云 莫洁安-人民邮电出版社
第4章数据可视化包Matplotlib73箱线图的上边缘为最大值，下边缘为最小值，但范围不超过盒型各端加1.5倍IQR（四分位距，即上四分位数与下四分位数的极
-
数据规范化.pdf-黄恒秋 张良均 谭立云 莫洁安-人民邮电出版社
Python金融数据分析与挖掘实战980图5-3（3）最频繁值填充。fD=data[[a,c]]imp=Imputer(missing_values=Na
-
1．主成分分析的理解.pdf-黄恒秋 张良均 谭立云 莫洁安-人民邮电出版社
第5章机器学习包Scikit-learn83图5-95.2.3主成分分析在数据分析与挖掘中，通常会遇到众多的变量，这些变量之间往往具有一定的相关性。例如，身高、
-
5．Python主成分分析应用举例.pdf-黄恒秋 张良均 谭立云 莫洁安-人民邮电出版社
第5章机器学习包Scikit-learn87方差之和。1/pkkkλλ=∑描述了第k个主成分提取的信息占总信息
-
量化投资策略设计与分析.pdf-黄恒秋 张良均 谭立云 莫洁安-人民邮电出版社
Python金融数据分析与挖掘实战9240续表IDrulesupportconfidence8建筑装饰_up—医药生物_up0.3294117650.79建筑装饰_up—家用电器_up0.32
-
股票形态图绘制.pdf-黄恒秋 张良均 谭立云 莫洁安-人民邮电出版社
第10章综合案例3：股票价格形态聚类与收益分析213r_t=0#预定义第t类股票收益率count_t=0#预定义第t类股票个数foriinrange(len(
-
函数定义.pdf-黄恒秋 张良均 谭立云 莫洁安-人民邮电出版社
Python金融数据分析与挖掘实战9196p2=dt[Clsprc].values[0]r=(p2-p1)/p1r_list.append(r)rtrd.
-
4．量化投资策略设计.pdf-黄恒秋 张良均 谭立云 莫洁安-人民邮电出版社
第8章综合案例1：上市公司综合评价173合收益率，调用函数实现的示例代码如下：importpandasaspdimportfunimportfun2data
-
图形绘制.pdf-黄恒秋 张良均 谭立云 莫洁安-人民邮电出版社
Python金融数据分析与挖掘实战91507.5.1案例介绍今有中小板股票002001～002020共20个，以及2016年5月1日—2016年8月1日之间的交易数据，其表结构如表7-8所示。数据来源于国泰安CSMAR数据库。表7-8交易数
-
本章练习.pdf-黄恒秋 张良均 谭立云 莫洁安-人民邮电出版社
第5章机器学习包Scikit-learn111从图5-20可以看出，表5-1所示的31个地区分为4类，类标签分别为0、1、2、3。例如，第1类为浙江、天津、江苏，第3类为上海、北京。这里需要说明的是类标签的数值没有实际的意义，仅起到类标注的
-
K-均值聚类的基本原理.pdf-黄恒秋 张良均 谭立云 莫洁安-人民邮电出版社
Python金融数据分析与挖掘实战9106clf.fit(x,y)rv=clf.score(x,y);R=clf.predict(x1)Z=R-y1Rs=l