比賽：
1招狸、阿里天池
比賽最終的前幾名都是有著各類(lèi)大數(shù)據(jù)比賽豐富經(jīng)驗(yàn)的邻薯，
比如在阿里天池裙戏、kaggle等比賽都取得了很好的成績(jī)。
從零開(kāi)始用人工智能預(yù)測(cè)股票（三厕诡、初步實(shí)現(xiàn)）
1）數(shù)據(jù)歸一化：因?yàn)闅v史數(shù)據(jù)從100多到6000多累榜，數(shù)值大小不能體現(xiàn)最近一段時(shí)間的漲跌趨勢(shì)，需要對(duì)數(shù)據(jù)做歸一化以減小數(shù)值本身大小的影響灵嫌。
除了比率數(shù)據(jù)意外壹罚，其他所有數(shù)據(jù)都除以前百日均值做歸一化。
git:https://github.com/renmu2017/predictStock
--深度學(xué)習(xí)RNN實(shí)現(xiàn)股票預(yù)測(cè)實(shí)戰(zhàn)（附數(shù)據(jù)寿羞、代碼）
2）這里做了一次歸一化猖凛，因?yàn)楣善痹?0年的市值是每股19塊左右，到了2017年漲到了2600多塊绪穆，分布很不均勻辨泳，于是通過(guò)把每天股票close值除以歷史股票最高值，將所有數(shù)據(jù)的定義域限定在0到1之間玖院。接著構(gòu)建預(yù)測(cè)集菠红，涉及到兩個(gè)參數(shù)input_size和num_steps，當(dāng)input_size=3 and num_steps=2時(shí)會(huì)構(gòu)建以下數(shù)據(jù)集难菌。
項(xiàng)目地址：https://github.com/jimenbian/stock-rnn
3试溯、Caffe學(xué)習(xí)系列(12)：訓(xùn)練和測(cè)試自己的圖片
人臉檢測(cè)和識(shí)別（中文標(biāo)記）完整項(xiàng)目源代碼（基于深度學(xué)習(xí)+python3.6+dlib+PIL+CNN+（tensorflow、keras）10分鐘實(shí)現(xiàn) 區(qū)分歡樂(lè)頌中人物詳細(xì)圖文教程和完整項(xiàng)目代碼）
（項(xiàng)目：https://github.com/gbusr/ML/tree/master/facecnn）
時(shí)間：2018年8月31日 周五
5遇绞、 python做量化交易干貨分享
6键袱、Tensorflow實(shí)例：利用LSTM預(yù)測(cè)股票每日最高價(jià)（二）
8试读、機(jī)器學(xué)習(xí)_用樹(shù)回歸方法畫(huà)股票趨勢(shì)線(xiàn)：有源碼
9杠纵、神經(jīng)網(wǎng)絡(luò)（LSTM)在股票預(yù)測(cè)中的具體實(shí)現(xiàn)：附keras和tensorflow核心源碼講解）
11荠耽、緣分天空之我的機(jī)器學(xué)習(xí)--（二）Tensorflow實(shí)例：利用LSTM預(yù)測(cè)股票每日最高價(jià)
12钩骇、代碼可直接運(yùn)行：利用LSTM預(yù)測(cè)股票每日最高價(jià)
13機(jī)器學(xué)習(xí)學(xué)習(xí)筆記--HMM從雅虎拿股票數(shù)據(jù)分析
14、HMM（隱馬爾科夫模型）在股票上的簡(jiǎn)單應(yīng)用
