精华内容
下载资源
问答
  • 常用的几种量化股方法

    千次阅读 2019-07-25 16:30:26
    量化股就是用数量化的方法选择确定的投资组合,期望这样的投资组合可以获得超越大盘的投资行为。下面我们来简单介绍一下机构常用的量化股方法。 1、多因子股 多因子股是最经典的股方法,该方法采用采用...

    量化选股就是用数量化的方法选择确定的投资组合,期望这样的投资组合可以获得超越大盘的投资行为。下面我们来简单介绍一下机构常用的量化选股方法。

    1、多因子选股

    多因子选股是最经典的选股方法,该方法采用采用一系列的因子(比如市盈率PE)作为选股标准,满足这些因子的股票被买入,不满足的被卖出。比如巴菲特这样的价值投资者就会买入低PE的股票,在PE回归时卖出股票。

    2、风格轮动选股

    风格轮动选股是利用市场风格特征进行投资,市场在某个时刻偏好大盘股,某个时刻偏好小盘股,如果发现市场切换偏好的规律,并在风格转换的初期介入,就可能获得较大的收益。

    3、行业轮动选股

    行业轮动选股是由于经济周期的的原因,有些行业启动后会有其他行业跟随启动,通过发现这些跟随规律,我们可以在前者启动后买入后者获得更高的收益,不同的宏观经济阶段和货币政策下,都可能产生不同特征的行业轮动特点。

    4、资金流选股

    资金流选股是利用资金的流向来判断股票走势。巴菲特说过,股市短期是投票机,长期看一定是称重机。短期投资者的交易,就是一种投票行为,而所谓的票,就是资金。

    如果资金流入,股票应该会上涨,如果资金流出,股票应该下跌。所以根据资金流向就可以构建相应的投资策略。

    5、动量反转选股

    动量反转选股方法是利用投资者投资行为特点而构建的投资组合。索罗斯所谓的反身性理论强调了价格上涨的正反馈作用会导致投资者继续买入,这就是动量选股的基本根据。

    动量效应就是前一段强势的股票在未来一段时间继续保持强势。在正反馈到达无法持续的阶段,价格就会崩溃回归,在这样的环境下就会出现反转特征,就是前一段时间弱势的股票,未来一段时间会变强。

    6、分析师一致预期策略

    分析师一致预期策略是指大多数分析师同时推荐某只股票时会引发大量看到同样买卖建议的投资者产生一致的买卖行为,而先得到信息的投资者会先交易,之后得到信息的投资者会晚交易。

    如果可以尽早的得到分析师的投资建议并尽快买入,就可以利用后进者的买卖行为获得额外收益。

    7、趋势跟踪策略

    趋势跟踪策略是技术型交易策略的一种,当股价在出现上涨趋势的时候进行买入,而在出现下降趋势的时候进行卖出,本质上是一种追涨杀跌的策略,很多市场由于羊群效用存在较多的趋势,如果可以控制好亏损时的额度,坚持住对趋势的捕捉,长期下来是可以获得额外收益的。

    8、筹码分布选股

    筹码分布选股是一种基于主力投资行为的交易方法。基本根据是主力在拉升一只股票之前需要在尽可能低的价格下吸收筹码,因此吸筹的过程通常非常温柔与缓慢;

    而在卖出时,希望尽可能的在较高价格出货,为了不过分打压股价,就会慢慢的派发。所以通过对筹码分布的监控和分析,可以判断一只股票处于吸筹还是出货阶段,从而判断未来价格的涨跌。

    交易系统对于交易来讲仅仅是一件交易工具而已,获得了交易系统和通过交易系统来获利不完全是一回事,运用交易系统的能力远比交易系统本身更重要,这就好比决定战争胜负的关键是人而不是武器一样。一套设计良好的交易系统,只是投资成功的必要条件,而不是充分必要条件。能够成功的执行交易系统,才是对交易者心理素质的最大考验。

    在交易者眼中,市场风险是不可能回避的,无风险的投资是不可能存在的,因此,利润是对所承受风险的回报,在风险最小前提下追求利润最大化,才是投资的基本原则。

    千万不要认为具有获利能力的交易系统可以保证你每笔交易都成功!任何的获利都是由亏小赢大组成的,任何交易系统都有弱点,亏损不可避免。

    对于趋势跟踪系统来讲,它不要求盈利的次数大于亏损的次数,它只要求不断的用小的止损去寻找大的获利机会,这样的系统需要使用者做好不断接受小额亏损的准备;

    在系统处于亏损时期时,不要轻易认为系统需要改变或更换,亏损是正常现象,必须接受,此时应告诉自己如何来提高处理困难的能力和耐心;在困难时期放弃系统,则亏损的噩梦始终会跟随你,利润则永远只会在远处向你招手和微笑。

    而在系统的获利时期,切不可耍小聪明,认为可以运用自己的交易能力来提高系统的效率,此时遵守纪律胜过一切!

    系统的困难时期可以提高你的交易能力,系统的收获时期可以考验你的自律精神。交易系统就是这样在不断的帮助你提高和获利。

    系统交易的本质是处理正在发生的情况,而不是处理未来将要发生的情况,它是根据交易信号来交易,而不是预测市场来交易。

    太多的人花费太多的时间来应对未来将要发生的情况,而对正在发生的情况却不知所措!这导致他的交易无法有效进行,他总想走在市场前面却忽略市场的现实情况,他的交易处于虚幻之中,缺乏现实的基础。这有违交易系统的本质。正确的交易思想是运用交易系统的前提。

    对于系统交易者来讲,市场的涨跌已不重要,重要的是对交易信号的执行。这恰恰是最难做到的,因为系统的交易信号经常会与你对市场的看法相矛盾,很多的交易机会就是在交易者的犹豫彷徨中错失的,这也是导致使用同样的交易系统其交易结果大不一样的关键所在。系统交易已经从判断涨跌转移到如何执行交易纪律了。

    而交易者常常处于对市场的涨跌判断中,这必然会影响交易系统的有效使用。市场无论是涨还是跌,系统在关键时刻都会发出交易信号,认真执行交易系统可以大大简化我们的交易,使交易更加简单有效,这也是为什么交易系统这么重要的根本原因。执行交易系统,遵守纪律和原则会帮你获利,而不是复杂的分析思考会帮你获利。

    如果没有交易系统的帮助,交易者可能需要很多年的摸索,才能使自身的心理素质达到成功交易者需要的水准。在交易系统的帮助下,这一过程有可能大大加快。交易者可以单纯地依据自己对信号系统的执行程度来判断自身心理素质的健全程度。

    来源:开拓者

    拓展阅读:

    学习Python量化有哪些书籍?这里有一份书单送给你

    量化交易领域最重要的10本参考书推荐!

    配对交易—这个股票策略曾年赚5000万美元

    一个量化策略师的自白(好文强烈推荐)

    网格交易法,一个不容易亏钱的投资策略(附源码)

    市面上经典的量化交易策略都在这里了!(源码)

    展开全文
  • 从4个人中选2个人参加活动,一共6种选法。 从n个人中选m个人参加活动,一共多少种选法?下面的函数实现了这个功能。 请仔细分析代码,填写缺少的部分(下划线部分)。 注意:请把填空的答案(仅填空处的答案,不...
    /*	组合数
    从4个人中选2个人参加活动,一共有6种选法。
    从n个人中选m个人参加活动,一共有多少种选法?下面的函数实现了这个功能。
    请仔细分析代码,填写缺少的部分(下划线部分)。
    注意:请把填空的答案(仅填空处的答案,不包括题面)存入考生文件夹下对应题号的“解答.txt”中即可。
    直接写在题面中不能得分。
     */
    public class 组合数 {
    	// n 个元素中任取 m 个元素,有多少种取法
    	public static int f(int n, int m){
    		if(m>n) return 0;
    		if(m==0) return 1;
    
    		return f(n-1,m-1) + f(n-1,m);	// 填空
    	}
    	public static void main(String[] args){
    		System.out.println(f(4,2));
    	}
    }
    运行结果:
    6
    

    展开全文
  • 10人分4组,有几种

    千次阅读 2009-12-31 21:49:00
    原创:HAM10人分4组,有几种,当然不考虑组编号了,比如10人分1组,就只有1种分,10人分10组也只有一种分。假如4人分2组,分为:12 , 3413 , 2414 , 23123 , 4124 , 3134 , 2234 , 1共7种,其余都是重复的...

    原创:HAM
    10人分4组,有几种分法,当然不考虑组编号了,比如10人分1组,就只有1种分法,10人分10组也只有一种分法。
    假如4人分2组,分法为:
    12 , 34
    13 , 24
    14 , 23
    123 , 4
    124 , 3
    134 , 2
    234 , 1
    共7种,其余都是重复的。
    现在我们考虑10人分4组,像上面那样穷举是肯定不行的,必须找出一种通用的算法来解决。
    分组意味着每组至少有一个人,所以我们这样考虑:
    第一组选7个人,其余组各1人,则分法有:
    Binomial[10,7] * Binomial[3,1] * Binomial[2,1] * 1 / 3!
    这里Binomial[n,m] = n!/(m!*(n-m)!)
    第一组选6个人,第二组1人,第三组1人,第四组2人:
    Binomial[10,6] * Binomial[4,1] * Binomial[3,1] * 1 / 2!
    后面除以3!,2!是因为这几组人数相同,会出现相同的分组,不同的排列。
    第一、二组选2人,第三、四组选3人:
    Binomial[10,2] * Binomial[8,2] * Binomial[6,3] * 1 / 2! / 2!

    由此规律,可以看出里面蕴含着一种递归,也就是说,n人分m组(n>=m),如果第一组分a个人(1<=a<=n-m+1),那么第一组分a个人的次数为(暂时不考虑相同分组的组组之间的排列):
    T[n,1]::第一组a人 = 1 , n >= 1
    T[n,m]::第一组a人 = Binomial[n,a]*T[n-a,m-1] , n >= m >= 2
    那么n人分m组的分法就为:
    T[n,1] = 1 , n >= 1
    T[n,m] = Sum[Binomial[n,i]*T[n-i,m-1], {i,1,n-m+1}] , n >= m >= 2
    enum[n,m] = T[n,m]/m! ,这就是最终的分组,/m!是因为除去m组相同分组的m!种排列

    下面是我以此模型写出的递归Mathematica程序:
    T[n_,m_]:=
    Block[{res = 0, i},
        If[Mod[n, 1] != 0 || Mod[m, 1] != 0, Return[0]];  (*判断不合法输入*)
        If[n < m || n < 1 || m < 1, Return[0]];  (*判断不合法输入*)
        If[m != 1,
            For [i = n-m+1, i >= 1, i--,
                res += Binomial[n,i]*T[n-i,m-1];
            ];
            Return[res]
            ,
            Return[1];
        ]
    ]

    enum[n_,m_]:=T[n,m]/m!
    输入:
    enum[10, 4]
    输出:
    34105

    不难看出该递归模型内含有大量的重复子问题,时间效率也是指数次O((n-m+1)^(m-1))的,那么现在的任务是避免重复计算子问题,也就是使用迭代计算,下面就是这样的Mathematica程序,至于为什么这么写,你可以去研究上面的递归程序,从而发现规律:

    enum[n_, m_]:=
    Block[{i, j, k, l, t, sta},
        If[Mod[n, 1] != 0 || Mod[m, 1] != 0, Return[0]];  (*判断不合法输入*)
        If[n < m || n < 1 || m < 1, Return[0]];  (*判断不合法输入*)
        If[m == 1, Return[1]];
        j = 2;
        i = n - m + 2;
        sta = Table[1,{i-1}];
        While[i != n,
            For[k = i, k > j-1, k--,
                t = 0;
                For[l = j-1, l < k, l++,
                    t += sta[[l-j+2]]*Binomial[k,l];
                ];
                sta[[k-j+1]] = t;
            ];
            i++;
            j++;
        ];
        t = 0;
        For[l = m-1, l < n, l++,
            t += sta[[l-m+2]]*Binomial[n,l];
        ];
        Return[t / m!];
    ]

    输入:
    enum[10, 4]
    输出:
    34105

    以上两个程序都是以递归模型来考虑的,只不过上面程序是从顶向下,下面的程序是从底向上,没有多少本质区别。
    现在我们以枚举表面不同分组的方式来解决。
    为了不使枚举不同分组时出现类似于(2,3,1,4)和(1,3,4,2)这样两种一样的分组情形,我们在枚举时可以采用从小到大排列方式来枚举,例如10人分4组:
    1,1,1,7
    1,1,2,6
    1,1,3,5
    1,1,4,4
    1,2,2,5
    1,2,3,4
    1,3,3,3
    2,2,2,4
    2,2,3,3

    下面的这个程序技巧性非常强,你也没有必要去研究这段代码,总之就是通过枚举各种不同的分组来计算,当然因为是枚举的原因,速度也不会快,只会慢。
    enum[n_, m_]:=
    Block[{i, j, q, p, r, s, t, sta, res},
        If[Mod[n, 1] != 0 || Mod[m, 1] != 0, Return[0]];  (*判断不合法输入*)
        If[n < m || n < 1 || m < 1, Return[0]];  (*判断不合法输入*)
        If[m == 1, Return[1]];
        j = 1;
        res = 0;
        sta = Table[0,{m}];
        While[j > 0,
            sta[[j]]++;
            For[i = j+1, i < m, i++,
                sta[[i]] = sta[[j]];
            ];
            t = sta[[1]];
            r = 1;
            p = 1;
            For[i = 2, i < j, i++,
                If[sta[[i]] == t,
                    r++
                ,
                    p *= r!;
                    t = sta[[i]];
                    r = 1;
                ];
            ];
            p *= r!*(m-j)!;
            s = 0;
            For[i = 1, i < m, i++,
                s += sta[[i]];
            ];
            If[sta[[ m-1]] <= n-s,
                sta[[ m]] = n-s;
                t = Binomial[n,sta[[1]]];
                q = sta[[1]];
                For[i = 2, i < m, i++,
                    t *= Binomial[n-q,sta[[i]]];
                    q += sta[[i]];
                ];
                t /= p;
                If[sta[[ m-1]] == n-s,
                    t /= m-j+1;
                ];
                res += t
            ,
                j--;
                Continue[];
            ];
            p = p/(m-j);
            j = m-1;
            t = Binomial[n,sta[[1]]];
            q = sta[[1]];
            For[i = 2, i < j, i++,
                t *= Binomial[n-q,sta[[i]]];
                q += sta[[i]];
            ];
            s++;
            sta[[j]]++;
            While[sta[[j]] <= n-s,
                sta[[ m]] = n-s;
                r = t * Binomial[n-q,sta[[j]]] / p;
                If[sta[[j]] == n-s,
                    r /= 2;
                ];
                res += r;
                s++;
                sta[[j]]++;
            ];
            j--;
        ];
        Return[res]
    ]

    输入:
    enum[10, 4]
    输出:
    34105

    现在我们继续讨论,有上个递归式中,不难发现,就算是优化了的迭代程序,其中也大量的使用Binomial[]函数,这样其中隐含的进行了大量重复计算,换一种角度考虑,比如现在n人分m组,假如先选出 n-1 人进行分组,再把最后一个人塞进去,如果先选出的 n-1 个人分 m 组的话,分发就有:
    m * enum[n-1,m]  , n > m > 1
    enum[n-1,m]是n-1人分m组的分发,*m是因为最后的的那个人可以有m种方法选择到哪组;
    因为每组至少一个人,所以还可以 n-1 人先分到 m-1 组中,而最后一个人就没得选了,只能塞到那个空组里,分发就有:
    enum[n-1,m-1]  , n > m > 1
    总结:
    enum[n,1] = 1  , n > 1  ,第一类初始状态
    enum[n,m] = 1  , n = m >= 1  ,第二类初始状态
    enum[n,m] = enum[n-1,m-1] + m*enum[n-1,m]  , n > m > 1
    以此递归模型写出Mathematica程序:

    enum[n_,m_]:=
    Block[{},
        If[Mod[n, 1] != 0 || Mod[m, 1] != 0, Return[0]];  (*判断不合法输入*)
        If[n < m || n < 1 || m < 1, Return[0]];  (*判断不合法输入*)
        If[m != 1 && n > m,  (*判断是否是初始状态,如果是就返回1*)
            Return[enum[n-1,m-1]+m*enum[n-1,m]]  (*根据子问题的解得出本次解*)
        ,
            Return[1];  (*返回所有的初始值,也就是递归的叶子*)
        ];
    ]

    输入:
    enum[10, 4]
    输出:
    34105

    优化使用迭代方法,避免重复计算子问题,至于为什么这么写,你可以去研究上面的递归程序,从而发现规律:

    enum[n_,m_]:=
    Block[{sta, i, j, c},
        If[Mod[n, 1] != 0 || Mod[m, 1] != 0, Return[0]];  (*判断不合法输入*)
        If[n < m || n < 1 || m < 1, Return[0]];  (*判断不合法输入*)
        c = n-m;
        If[c == 0, Return[1]];  (*当n = m时,下列代码无法处理,但结果必定为1*)
        sta = Table[1,{c}];
        For[i = 2, i <= m, i++,
            sta[[1]] += i;
            For[j = 2, j <= c, j++,
                sta[[j]] += i*sta[[j-1]];
            ];
        ];
        Return[sta[[c]]];
    ]

    输入:
    enum[10, 4]
    输出:
    34105

     

    展开全文
  • 首先分析一下:假如有三个球abc一次取出两个就一下三种 ab ac bc 三种, 推理一下 假如这n个球中一个彩色的球(假象),那你可以把这个情况分成两,一是取出这个彩色的 球,一是不去取出这个彩色...
    在高中时经常遇到这个问题,但是如何用程序来解决这个分体呢?
    首先分析一下:假如有三个球abc一次取出两个就有一下三种分法 ab ac bc 三种分法, 推理一下
    假如这n个球中有一个彩色的球(假象),那你可以把这个情况分成两种,一种是取出这个彩色的
    球,一种是不去取出这个彩色的球。那么取出彩色球后剩余的有多少取法呢,采用递归的思想
    /*
     * n个球中任意取出m个(不放回) 求有多少种不同的取法
     */
    public static int f(int n, int m){
    	//假如有a,b,c三个球:有一下三种 ab ac bc;
    	if(n<m) return 0;
    	if(n==m) return 1;
    	if(m==0) return 1;
    	return f(n-1, m-1)+f(n-1, m);
    	/*
    	 * n个球里面有一个人特殊的球x,取法划分:包不包含x;
    	 * 先取出一个咱们想拿的球,或者不取这个球 分为两种情况
    	 */
    }
    public static void main(String[] args) {
    	int k = f(3,2);
    	System.out.println(k);
    }
    
    展开全文
  • 几种交叉验证(超详细)

    万次阅读 多人点赞 2018-01-23 12:17:08
    交叉验证交叉验证是一用来评价一个训练出的模型是否可以推广到另一个数据结构相同的数据集上的方法。主要用于PCR 、PLS 回归建模等建模应用中。主要用于估计一个预测模型在实际数据应用中的准确度。它是一统计学...
  • 红黄蓝白黑五颜色的小球若干个,每次从里面任意取个小球,总共多少 2.问题分析 1.首先,题中所描述的是一次性取三种小球,所以不考虑取的顺序问题,对于所给的五中球进行编号为 0,1,2,3,4,分别代表...
  • 12个糖果分给3个人,每人至少的一个,有几种不同分   12个糖果排列好11个空,取两个作为分割点,为C11 2 =55个.  
  • 常见的几种最优化方法(梯度下降,牛顿,拟牛顿,共轭梯度等) 我们每个人都会在我们的生活或者工作中遇到各种各样的最优化问题,比如每个企业和个人都要考虑的一个问题“在一定成本下,如何使利润最大化”...
  • 一般要求:每人至少分1块;允许人没分到 这里糖是等同的,人是不同的 1、每人至少分1块,用隔板 10个糖排成一行,10-1个空隙,3-1个空可以分成3份,而且每份至少为1块,所以答案为C(10-1, 3-1)=C...
  • 计算机考研,这样学校才是正解

    万次阅读 多人点赞 2019-11-22 07:24:08
    写了一篇《启舰:对计算机专业来说学历真的重要吗?》,一时间N多同学咨询自身情况要不要考研,眼看有点Hold不住,索性又出了一篇《启舰:计算机...“我跨考计算机,哪个学校合适啊?” 我的天……,我感觉我要在...
  • C语言中冒泡法、选择法、插入法三种常见排序算法

    千次阅读 多人点赞 2016-09-23 21:26:08
    一、冒泡  算法要求:用起泡对10个整数按升序排序。  算法分析:如果n个数,则要进行n-1趟比较。在第1趟比较中要进行n-1次相邻元素的两两比较,在第j趟比较中要进行n-j次两两比较。比较的顺序从前往后...
  • 最优化方法是一数学方法,它是研究在给定约束之下如何寻求某些因素(的量),以使某一(或某些)指标达到最优的一些学科的总称。随着学习的深入,博主越来越发现最优化方法的重要性,学习和工作中遇到的大多问题都可以...
  • 2方法筛选出多因子量化股模型

    千次阅读 2019-07-25 14:06:45
    对于专业的量化投资人而言,就需要进一步了解多因子股模型的两主要的评价判断方法——打分和回归。 打分的评价原理和流程 所谓打分,就是根据各个因子的大小对股票进行打分,然后按照一定的权重加权...
  • 排序总结(一)——三种基本排序方法

    千次阅读 热门讨论 2016-05-22 19:03:13
    排序总结(一)——三种基本算法 一、 选择排序 网上的解释:选择排序的第一层循环从起始元素开始到倒数第个元素,主要是在每次进入的第层循环之前,将外层循环的下标赋值给临时变量,接下来的第...
  • (十)、ZooKeeper 主流程

    千次阅读 2016-10-30 16:15:09
    zookeeper 核心机制包括:恢复模式(主流程)和广播模式(同步流程)。当服务刚启动、leader 崩溃、follower 不足半数时,系统就进入主流程...  举 策 略 主 要 基 于 paxos 算 , 一 称 为 LeaderElecti
  • 构造哈希表以及次探测

    千次阅读 2018-09-16 19:53:39
    今天做笔试题时,遇到一道构造哈希表的题,hash函数是 k%11 ,然后一个数组记不清了,然后就是问次探测进行,问下面那个是正确,懵逼啊,没做过,不知道,乱直接下一题,于是这个博客,赶紧学习一波。...
  • 使用PEG估值简单股(1)

    千次阅读 2018-12-04 19:06:18
    在彼得林奇的《决胜华尔街》中,提到了他的一种选股思路,那就是在正常的PE估值基础之上,加上EPS的增速,这样既考虑到了估值水平也加入了成长性因子,这就是PEG估值。 在聚宽中,这个策略的案例,我研究了...
  • 从n个人中选择k个人的选法

    千次阅读 2015-04-25 08:24:04
    题目从n个人中选k个人组成一个委员会的不同组合数。解答分析从n-1个人到n个人,增加一个人,这个人可能被选中,也可能不被选中。若第n个人被选中则是从n-1个人中选择k-1个人,若第n个人没被选中,则是从n-1个人中...
  • 那么最常用的四滤波器是那种呢?它主要分为哪四类?就目前来说,最经典的数字滤波器巴特沃斯滤波器、切比雪夫滤波器、椭圆滤波器和贝塞尔滤波器。  巴特沃斯滤波器  巴特沃斯滤波器的特点是通频带内的频率...
  • mn组合的两算法(C语言实现)

    千次阅读 2018-10-17 21:23:02
    原问题:  Given two integers n and k, return all ...即首先选择n,然后递归地从剩下的1...n-1选择k-1个数,然后选择n-1,然后递归地从剩下的1...n-2选择k-1个数,直到到k。 //d存储选择的数,NUM指示选择多...
  • 同学私信问过我这个问题:大学计算机专业,面临分专业,计科,软工,大数据,物联网,网络工程,该什么?再加上高考结束后填报志愿,想必 CSDN 上很多同学挺迷茫的。 我就来(主观地)一一分析下,从后...
  • 测试常见几种方法

    千次阅读 2019-12-14 00:12:07
    测试用例常见的设计方法:等价类划分、边界值分析、错误推测、判定表、正交实验。 一、等价类划分 顾名思义,顾名思义,等价类划分,就是将测试的范围划分成个互不相交的子集,他们的并集是全集,从...
  • 5日均线和10日均线相交叉常常成为我们股和判断一只股票上涨的依据,但是在实际的应用中,大 家发现往往不是很准确,经常通过该依据...1、5日均线金叉10日均线,且最好是第次或第次金叉的时候买进 2、MAC
  • 常见的几种优化方法

    千次阅读 2016-12-12 11:27:14
    常见的几种最优化方法 1. 梯度下降(Gradient Descent)  梯度下降是最早最简单,也是最为常用的最优化方法。梯度下降实现简单,当目标函数是凸函数时,梯度下降的解是全局解。一般...
  • 基于贪心算法的类区间覆盖问题 (1)区间完全覆盖问题 问题描述:给定一个长度为m的区间,再给出n条线段的起点和终点(注意这里是闭区间),求最少使用多少条线段可以将整个区间完全覆盖 样例: 区间长度8,可...
  • 特征选择的几种方法

    千次阅读 2020-02-08 23:53:56
    1 过滤(Filter) 1.1 方差选择 1.2 相关系数 1.3 卡方检验 1.4 互信息 1.5 relief算法 2 包裹(Wrapper) 2.1 递归特征消除 2.2 特征干扰 3 嵌入(Embedded) 3.1 基于惩罚项的特征选择 ...
  • 怎么通过财报股票,一文教你学会股! 股时可以通过股票的走势图、各种行情分析等等来选择心仪的股票,但不知道大家是否知道财报股呢?...公司财报主要有三大表,从不同角度分析了企业的运营情况 ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 146,874
精华内容 58,749
关键字:

三选二有几种选法