j*s
2 楼
没用，别浪费时间了
g*e
3 楼
跟boosting 有啥关系？你model先准备好
C*5
4 楼
最近新出个library自动提取一堆feature的自己去找找，送进xgboost算算看。当作业
吧，反正算不出什么有用的东西。
数据pandas里自带的玩玩也够了。
你看，这不买nvda行吗？以后计算机教学都不写hello
world了，直接从mnist开始。
【在 J*X 的大作中提到】
: 去哪里能下载到历史数据和一些比较重要的feature?
吧，反正算不出什么有用的东西。
数据pandas里自带的玩玩也够了。
你看，这不买nvda行吗？以后计算机教学都不写hello
world了，直接从mnist开始。
【在 J*X 的大作中提到】
: 去哪里能下载到历史数据和一些比较重要的feature?
W*e
5 楼
难道boosting 不就是一种树方法吗？大牛给科普一下。我道行浅。他没数据怎么搞模
，没法validate啊？真的道行浅，希望指点一二。现在器人操盘太厉害我也是努力跟上
潮流。
: 跟boosting 有啥关系？你model先准备好
【在 g*********e 的大作中提到】
: 跟boosting 有啥关系？你model先准备好
，没法validate啊？真的道行浅，希望指点一二。现在器人操盘太厉害我也是努力跟上
潮流。
: 跟boosting 有啥关系？你model先准备好
【在 g*********e 的大作中提到】
: 跟boosting 有啥关系？你model先准备好
W*e
6 楼
啥library, 房哥给个名字吧
: 最近新出个library自动提取一堆feature的自己去找找，送进xgboost算算看。
当作业
: 吧，反正算不出什么有用的东西。
: 数据pandas里自带的玩玩也够了。
: 你看，这不买nvda行吗？以后计算机教学都不写hello
: world了，直接从mnist开始。
【在 C*****5 的大作中提到】
: 最近新出个library自动提取一堆feature的自己去找找，送进xgboost算算看。当作业
: 吧，反正算不出什么有用的东西。
: 数据pandas里自带的玩玩也够了。
: 你看，这不买nvda行吗？以后计算机教学都不写hello
: world了，直接从mnist开始。
: 最近新出个library自动提取一堆feature的自己去找找，送进xgboost算算看。
当作业
: 吧，反正算不出什么有用的东西。
: 数据pandas里自带的玩玩也够了。
: 你看，这不买nvda行吗？以后计算机教学都不写hello
: world了，直接从mnist开始。
【在 C*****5 的大作中提到】
: 最近新出个library自动提取一堆feature的自己去找找，送进xgboost算算看。当作业
: 吧，反正算不出什么有用的东西。
: 数据pandas里自带的玩玩也够了。
: 你看，这不买nvda行吗？以后计算机教学都不写hello
: world了，直接从mnist开始。
g*e
7 楼
Boosting 是指把若干个算法的结果归总来决策吧
【在 W*******e 的大作中提到】
: 难道boosting 不就是一种树方法吗？大牛给科普一下。我道行浅。他没数据怎么搞模
: ，没法validate啊？真的道行浅，希望指点一二。现在器人操盘太厉害我也是努力跟上
: 潮流。
:
:
: 跟boosting 有啥关系？你model先准备好
:
【在 W*******e 的大作中提到】
: 难道boosting 不就是一种树方法吗？大牛给科普一下。我道行浅。他没数据怎么搞模
: ，没法validate啊？真的道行浅，希望指点一二。现在器人操盘太厉害我也是努力跟上
: 潮流。
:
:
: 跟boosting 有啥关系？你model先准备好
:
l*7
8 楼
决策树（分类或回归）和boosting是各自独立的概念，不过用决策树算法做弱学习机的
gradient boosting算法比较典型和常用。
gradient boosting简单一般地说，就是基于泛函空间的系综学习（ensemble learning
）。
不过，顺便评论一句：机器学习算法繁多，目的是模拟人脑的智能功能。如果人类自己
的智能都不能很好学习、理解的事，指望机器“智能”给你带来魔术式的奇迹结果，是
初期接触机器学习和人工智能的人常见的想法。所以，这里版上有人曾经神叨叨声称“
人工智能草菇，你们个人就别想了”的奇谈怪论，最好当娱乐笑话，笑笑就好。。。呵呵
【在 W*******e 的大作中提到】
: 难道boosting 不就是一种树方法吗？大牛给科普一下。我道行浅。他没数据怎么搞模
: ，没法validate啊？真的道行浅，希望指点一二。现在器人操盘太厉害我也是努力跟上
: 潮流。
:
:
: 跟boosting 有啥关系？你model先准备好
:
gradient boosting算法比较典型和常用。
gradient boosting简单一般地说，就是基于泛函空间的系综学习（ensemble learning
）。
不过，顺便评论一句：机器学习算法繁多，目的是模拟人脑的智能功能。如果人类自己
的智能都不能很好学习、理解的事，指望机器“智能”给你带来魔术式的奇迹结果，是
初期接触机器学习和人工智能的人常见的想法。所以，这里版上有人曾经神叨叨声称“
人工智能草菇，你们个人就别想了”的奇谈怪论，最好当娱乐笑话，笑笑就好。。。呵呵
【在 W*******e 的大作中提到】
: 难道boosting 不就是一种树方法吗？大牛给科普一下。我道行浅。他没数据怎么搞模
: ，没法validate啊？真的道行浅，希望指点一二。现在器人操盘太厉害我也是努力跟上
: 潮流。
:
:
: 跟boosting 有啥关系？你model先准备好
:
W*e
9 楼
Thanks. 直觉告诉我拿这炒股可能是不行，也不可能斗过花街的程式。做参考可能行
: 决策树（分类或回归）和boosting是各自独立的概念，不过用决策树算法做弱学
习机的
: gradient boosting算法比较典型和常用。
: gradient boosting简单一般地说，就是基于泛函空间的系综学习（ensemble
learning
: ）。
: 不过，顺便评论一句：机器学习算法繁多，目的是模拟人脑的智能功能。如果人
类自己
: 的智能都不能很好学习、理解的事，指望机器“智能”给你带来魔术式的奇迹结
果，是
: 初期接触机器学习和人工智能的人常见的想法。所以，这里版上有人曾经神叨叨
声称“
: 人工智能草菇，你们个人就别想了”的奇谈怪论，最好当娱乐笑话，笑笑就好。
。。呵呵
【在 l********7 的大作中提到】
: 决策树（分类或回归）和boosting是各自独立的概念，不过用决策树算法做弱学习机的
: gradient boosting算法比较典型和常用。
: gradient boosting简单一般地说，就是基于泛函空间的系综学习（ensemble learning
: ）。
: 不过，顺便评论一句：机器学习算法繁多，目的是模拟人脑的智能功能。如果人类自己
: 的智能都不能很好学习、理解的事，指望机器“智能”给你带来魔术式的奇迹结果，是
: 初期接触机器学习和人工智能的人常见的想法。所以，这里版上有人曾经神叨叨声称“
: 人工智能草菇，你们个人就别想了”的奇谈怪论，最好当娱乐笑话，笑笑就好。。。呵呵
: 决策树（分类或回归）和boosting是各自独立的概念，不过用决策树算法做弱学
习机的
: gradient boosting算法比较典型和常用。
: gradient boosting简单一般地说，就是基于泛函空间的系综学习（ensemble
learning
: ）。
: 不过，顺便评论一句：机器学习算法繁多，目的是模拟人脑的智能功能。如果人
类自己
: 的智能都不能很好学习、理解的事，指望机器“智能”给你带来魔术式的奇迹结
果，是
: 初期接触机器学习和人工智能的人常见的想法。所以，这里版上有人曾经神叨叨
声称“
: 人工智能草菇，你们个人就别想了”的奇谈怪论，最好当娱乐笑话，笑笑就好。
。。呵呵
【在 l********7 的大作中提到】
: 决策树（分类或回归）和boosting是各自独立的概念，不过用决策树算法做弱学习机的
: gradient boosting算法比较典型和常用。
: gradient boosting简单一般地说，就是基于泛函空间的系综学习（ensemble learning
: ）。
: 不过，顺便评论一句：机器学习算法繁多，目的是模拟人脑的智能功能。如果人类自己
: 的智能都不能很好学习、理解的事，指望机器“智能”给你带来魔术式的奇迹结果，是
: 初期接触机器学习和人工智能的人常见的想法。所以，这里版上有人曾经神叨叨声称“
: 人工智能草菇，你们个人就别想了”的奇谈怪论，最好当娱乐笑话，笑笑就好。。。呵呵
l*7
10 楼
花街的程式，肯定不是胜在所谓的机器“智能”，而是在于数据、地域速度和硬件性能
，基本主要是针对HF交易而言的。据说，DE Shaw是HF的鼻祖，就是因为鼻祖，他才在
个人级别上，抢先发财了。现在机器都HF了，个人就没有HF优势了。仅此意义而言，花
街的“程式”有优势，和所谓机器“智能”毫无关系。
商业上的hype，总是吹的远远超过客观的事实，白话叫做装逼、或吹牛，呵呵。
【在 W*******e 的大作中提到】
: Thanks. 直觉告诉我拿这炒股可能是不行，也不可能斗过花街的程式。做参考可能行
:
:
: 决策树（分类或回归）和boosting是各自独立的概念，不过用决策树算法做弱学
: 习机的
:
: gradient boosting算法比较典型和常用。
:
: gradient boosting简单一般地说，就是基于泛函空间的系综学习（ensemble
: learning
:
: ）。
:
: 不过，顺便评论一句：机器学习算法繁多，目的是模拟人脑的智能功能。如果人
: 类自己
，基本主要是针对HF交易而言的。据说，DE Shaw是HF的鼻祖，就是因为鼻祖，他才在
个人级别上，抢先发财了。现在机器都HF了，个人就没有HF优势了。仅此意义而言，花
街的“程式”有优势，和所谓机器“智能”毫无关系。
商业上的hype，总是吹的远远超过客观的事实，白话叫做装逼、或吹牛，呵呵。
【在 W*******e 的大作中提到】
: Thanks. 直觉告诉我拿这炒股可能是不行，也不可能斗过花街的程式。做参考可能行
:
:
: 决策树（分类或回归）和boosting是各自独立的概念，不过用决策树算法做弱学
: 习机的
:
: gradient boosting算法比较典型和常用。
:
: gradient boosting简单一般地说，就是基于泛函空间的系综学习（ensemble
: learning
:
: ）。
:
: 不过，顺便评论一句：机器学习算法繁多，目的是模拟人脑的智能功能。如果人
: 类自己
C*5
11 楼
说的有道理。花姐炒股都不用GPU，都用FPGA。一点延迟都接受不了。
【在 l********7 的大作中提到】
: 花街的程式，肯定不是胜在所谓的机器“智能”，而是在于数据、地域速度和硬件性能
: ，基本主要是针对HF交易而言的。据说，DE Shaw是HF的鼻祖，就是因为鼻祖，他才在
: 个人级别上，抢先发财了。现在机器都HF了，个人就没有HF优势了。仅此意义而言，花
: 街的“程式”有优势，和所谓机器“智能”毫无关系。
: 商业上的hype，总是吹的远远超过客观的事实，白话叫做装逼、或吹牛，呵呵。
【在 l********7 的大作中提到】
: 花街的程式，肯定不是胜在所谓的机器“智能”，而是在于数据、地域速度和硬件性能
: ，基本主要是针对HF交易而言的。据说，DE Shaw是HF的鼻祖，就是因为鼻祖，他才在
: 个人级别上，抢先发财了。现在机器都HF了，个人就没有HF优势了。仅此意义而言，花
: 街的“程式”有优势，和所谓机器“智能”毫无关系。
: 商业上的hype，总是吹的远远超过客观的事实，白话叫做装逼、或吹牛，呵呵。
C*5
12 楼
莱布妮子水平确实不错。比鸡精经理强的不知哪里去了。
基金经理反正问细节是不懂的。逼问急了就说丫是designer，这些worker级别的东西不
要问丫。
learning
呵呵
【在 l********7 的大作中提到】
: 决策树（分类或回归）和boosting是各自独立的概念，不过用决策树算法做弱学习机的
: gradient boosting算法比较典型和常用。
: gradient boosting简单一般地说，就是基于泛函空间的系综学习（ensemble learning
: ）。
: 不过，顺便评论一句：机器学习算法繁多，目的是模拟人脑的智能功能。如果人类自己
: 的智能都不能很好学习、理解的事，指望机器“智能”给你带来魔术式的奇迹结果，是
: 初期接触机器学习和人工智能的人常见的想法。所以，这里版上有人曾经神叨叨声称“
: 人工智能草菇，你们个人就别想了”的奇谈怪论，最好当娱乐笑话，笑笑就好。。。呵呵
基金经理反正问细节是不懂的。逼问急了就说丫是designer，这些worker级别的东西不
要问丫。
learning
呵呵
【在 l********7 的大作中提到】
: 决策树（分类或回归）和boosting是各自独立的概念，不过用决策树算法做弱学习机的
: gradient boosting算法比较典型和常用。
: gradient boosting简单一般地说，就是基于泛函空间的系综学习（ensemble learning
: ）。
: 不过，顺便评论一句：机器学习算法繁多，目的是模拟人脑的智能功能。如果人类自己
: 的智能都不能很好学习、理解的事，指望机器“智能”给你带来魔术式的奇迹结果，是
: 初期接触机器学习和人工智能的人常见的想法。所以，这里版上有人曾经神叨叨声称“
: 人工智能草菇，你们个人就别想了”的奇谈怪论，最好当娱乐笑话，笑笑就好。。。呵呵
c*t
13 楼
不是说都用专用芯片了，比fpga集成度高。
c*t
14 楼
从来都是正局长不懂业务
【在 C*****5 的大作中提到】
: 莱布妮子水平确实不错。比鸡精经理强的不知哪里去了。
: 基金经理反正问细节是不懂的。逼问急了就说丫是designer，这些worker级别的东西不
: 要问丫。
:
: learning
: 呵呵
【在 C*****5 的大作中提到】
: 莱布妮子水平确实不错。比鸡精经理强的不知哪里去了。
: 基金经理反正问细节是不懂的。逼问急了就说丫是designer，这些worker级别的东西不
: 要问丫。
:
: learning
: 呵呵
相关阅读