人工智能

基于TNIC行业分类计算的波动率指标是解释公司波动和收益的潜在因子可以发现随着TNIC波动的上升（从组1到组5），AbnormalReturn越来越大，也就是说TNIC波动大的股票有更多的AbnormalRe…

遴选了各大顶刊最新论文，按照理解和提炼的方式为读者呈现每篇论文最精华的部分。QIML希望大家能够读到可以成长的量化文章，愿与你共同进步！

他利用公开的欧洲酒店预订平台数据，发现了更容易取消订单的用户特点，以帮助酒店及时进行止损。用户国籍、预订时间、住宿时间、成人和儿童或婴儿的数量、订单最终是否取消、用户在此次订单之前共取消订单次数等信息。201…

这七方面构成了一个完整且可操作的体系，能够帮助我们更好的规避样本内的虚假信号、找出能在样本外更有效的交易策略。

在这篇文章中，我们参考partial dependence的理念，尝试从以下三个角度去分析机器学习模型的预测机制…

自2012年深度学习的意外增长以来，公司，尤其是大型技术公司和精英大学增加了对主要AI会议的参与；这里的精英大学指的是在QS世界大学排名中排名1-50的大学；此外，研究人员发现了两种策略，可以通过这些策略…

对所有事情都有一定了通常比拥有一项专业技能更实用。对于进入新兴市场领域的人来说尤其如此。特别是指的注意的科技领域。

【迭代500次，重复执行三次】重复计算了三次，使用相同的图片，相同的卷积神经网络模型，相同的迭代次数（500次），却得到了区别明显的三张结果……

这个答案看起来似乎无懈可击，但其实机器学习和数理统计之间的关系远没有这么简单。

最近两年关于学术造假的爆料一直不少，尤其是“图像复用”，一些顶尖高校的教授甚至院士都被指出存在一图多用的情况。

发现一个很有趣的开源项目，作者用手绘图的方式讲解了机器学习模型构建的全流程，逻辑清晰、生动形象。

要点 在常见的机器学习/深度学习项目里，数据准备占去整个分析管道的60％到80％。市场上有各种用于数据清洗和特征工程的编程语言、框架和工具。它们之间的功能有重叠，也各有权衡。数据整理是数据预处理的重要扩展。它最适合在可视化分析工具中使用，这能够避免分析流程被打断。可视化分析工具与开源数据科学组件之间，如R、Python、KNIME、RapidMiner互为补…

2016 年已经过去，BEEVA Labs 数据分析师 Ricardo Guerrero Gomez-Ol 近日在 Medium 上发表了一篇文章，盘点了目前最流行的深度学习框架。为什么要做这一个盘点呢？他写道：「我常听到人们谈论深度学习——我该从哪里开始呢？TensorFlow 是现在最流行的吧？我听说 Caffe 很常用，但会不会太难了？在 BEEVA …

以知识图谱为代表的符号主义、以深度学习为代表的联结主义，日益脱离原先各自独立发展的轨道，走上协同并进的新道路。

作者：Edison_G 深度学习的”深度”， 早几年讨论的挺多的，身边有不同的理解：深度=更大规模的网络，也有认为：深度=更抽象的特征，近年来物理上也有人侧面显示：深度=玻璃相转变，如果后者的观点成立，那么仅仅引入GPU甚至FPGA硬件的目的只是加快， 没有算法的帮助（调参也算一种算法，后面会解释）是不会加深的！（注：等号表示强关系，不表示等价） 度量”深“…