V
主页
时序9:深度学习与股票预测
发布人
本课程是关于使用深度学习技术预测股票的。在本课程中,通过案例研究讨论了模型训练方法。本案例研究将有助于理解时间序列预测、人工神经网络和RNN的实际实现和用途。。 机器学习应用于时间序列分析 如需英文视频请移步油管:E9do8wvsP5A #LuQuant#中文台译制片频道乐心出品! 学习英文文档靠谷歌翻译,学习英文视频靠LuQuant中文! 翻译质量Google全程背锅,中文配音LuQuant竭尽全力!
打开封面
下载高清视频
观看高清视频
视频下载器
时序1:统计与机器学习并重
时序3:现代时序技术大全
时序6:用xgboost2
时间序列分析:第1章 时间序列简介及成分(2)
时序10:LSTM与股票预测
时序5:用xgboost
时序7:用LSTM
py54:VSCode最佳python插件
bayes:分层时间序列
dart2:darts介绍
概率机器学习10:高斯过程回归详解
时序12:技术挑战
ai量化问题3:价格趋势预测
数据科学工作流
概率机器学习24:变分推断
概率机器学习9:理解高斯过程
dart3:多元时间序列
ab2-实战贝叶斯混合模型
万能的P值
【Python金融分析与量化交易实战】AI结合金融如何做落地项目?迪哥手把手教你基于Python实现金融量化+股票交易,3天从入门到实战!
ai量化问题1:交易预测
概率机器学习19:深度学习中的不确定性应用
python量化64:最实用的策略
如何设计一个bayes库
概率机器学习4:指数分布家族
概率机器学习18:深度学习中的不确定性原理
sklearn32:多分类 AUC
概率机器学习8:高斯过程
str50:历经百年的指标
python量化13:CHOCH 指标
概率机器学习1:入门介绍
python量化58:自动化阻力与支撑检测
aml1:入门
dart4:时间序列预测
成长13-突破策略
ab20-贝叶斯时间序列分析
python量化50:移动平均线
PRML4.5:贝叶斯线性回归-可预测分布
概率机器学习5:指数分布家族2
AI量化1:强化学习