極端值
含有「極端值」共 10 篇內容
全部內容
發佈日期由新至舊
對「策略4.3」進行客觀的數據陳述與分析，分為「隔夜短線特徵」與「月度持有長期績效」兩部分。
一、 隔夜短線特徵分析 (樣本數：18,441筆)
此部分分析策略篩選股後，下一個交易日的日內價格表現。
最高價表現 (由開盤至盤中最高點)平均報酬率：+2.49%。報酬分佈：所有樣本的盤中最高價均高
回歸模型百花齊放，但最後一哩路在於評估！掌握 MSE、RMSE、MAE 與 R²，就能快速比較線性、樹模、XGBoost 到 ANN 的優劣，選出最適合你資料特性的穩健解法，確保每一次預測都可靠、可解釋、可落地。
敘述統計 (Descriptive Statistics) 是統計學的一個分支，旨在以簡潔的方式總結和描述數據集的特徵。它主要關注收集、組織、呈現和分析數據，但不涉及對總體進行推斷或預測。敘述統計的主要目標是提供數據的清晰概覽，使其更容易理解和解釋。
敘述統計通常包括以下幾種主要的度量和方法：
髒數據是 AI 最大敵人！本單元教你用 Pandas 快速搞定缺失值、異常值、格式錯誤與重複資料，循序示範 dropna、fillna、IQR、astype 等技巧，確保資料純淨，模型準確度瞬間飆升。學完立即用乾淨數據武裝你的機器學習專案，讓 AI 更聰明、更可靠！
本文介紹了平均絕對偏差 (MAD)，這是一項用於衡量數據集分散程度的重要統計指標。MAD 在金融、供應鏈管理及產品質量分析等多個領域具有廣泛應用，並優於標準差因其不受極端值影響。文章探討了MAD的計算方法、實際應用案例及其與其他統計指標的比較，提供讀者在數據分析中的重要見解。
特徵工程是機器學習中的核心技術，通過將原始數據轉換為有意義的特徵，以提升模型的準確性和穩定性。常見的特徵工程方法包括異常值檢測、特徵轉換、特徵縮放、特徵表示、特徵選擇和特徵提取。本文將深入探討這些方法的適用情況及具體實施流程，以幫助讀者有效利用特徵工程來優化機器學習模型表現。
付費限定
本文介紹了技術分析在金融投資中的重要性，包括其原理和侷限性，以及相關的指標和策略。另外還包括了新年展望、全球局勢和應對策略的相關內容。
懶得動腦？思考太累傾向不做？人森好難太多問題太難解？那用演算法的方式幫你思考，會不會更容易些？
找另一伴，總覺得下一任會更好？找房子物件不停看總覺不想錯過更好的？停車看到有空位還是開過去了因為離目的地更近的可能還有機會？
尋覓的過程中，到底何時是個終點？演算法幫你解！
2023新年這邊給大家一個新春大禮包
大家可以翻開你的2022前年的交易清單
然後將每一筆獲利與虧損 對交易數量圖像化
會呈現下圖這樣常態分佈圖
而這就是你的投資命盤
年度投資績效=賺的錢*數量(紅色面積)-賠的錢*數量(綠色面積)
可參考這篇飽受爭議的投資公式
上面的圖示理想中的圖形
但現實中卻不
