|
本系列内容摘要: 介绍 Python 安装方法、与机器学习相关的包以及常用命令 Python 语言是目前机器学习领域使用最广泛的编程语言之一，拥有众多优 秀的包和模块，并且相对简单易学。我们将简单介绍 Python 语言的特性， 常用命令，以及和机器学习相关的包，例如 NumPy，pandas，scikit-learn 等，希望帮助有一定编程基础的读者迅速上手 Python 语言。 机器学习选股框架与多因子选股框架类似，具有一定优越性 机器学习中最为主流的方法监督学习，其核心思想是挖掘自变量和因变量 之间的规律。我们将经典多因子模型稍加改造，以机器学习的语言描述。 在训练阶段，根据历史的因子值 X 和收益 r，训练监督学习模型 r=g(X, f)， 得到模型自由参数的估计量 f。在测试阶段：根据最新的因子值 X、参数估 计量 f 和监督学习模型 g，预测下期收益 r。机器学习方法相较于线性回归 的优越之处在于：首先，机器学习可以挖掘数据中的非线性规律；其次， 正则化的引入能够筛选出最有效的自变量；再次，参数优化的过程能够遴 选出预测力最强的模型。 将机器学习选股代码拆分成十二个子模块进行详尽讲解 我们将机器学习选股代码拆分成十二个子模块，包括：模块导入、参数设 置、数据读入、数据标记、数据预处理、模型设置、模型训练、模型预测、 模型评价、策略构建、策略评价和结果保存。每个子模块我们将展示代码 并且逐句进行讲解。文中展示的代码是完备且成体系的，可以根据需要 进行整合，构建一套完整的机器学习选股模型。
| 
