华西证券-机器学习择时系列一、二、三

华西证券-机器学习择时系列之一:逻辑回归模型市场择时策略

华西证券-机器学习择时系列之二:小样本机器学习技术实现指数择时

华西证券-机器学习择时系列之三:LSTM模型市场择时策略

(PDF打包,7.4M )

小样本学习(Few-Shot Learning,FSL)是一种新颖的机器学习方法,在过去两年中流行起来,它旨在从少量的标记数据中学习。深度神经网络在大数据上取得了骄人的成绩, 但在仅有少量样本时表现得不尽如人意,而在很多实际情况中,数据难以取样或大量累积。为了解决该问题, 小样本学习被越来越多的研究者所关注。这一节,我们主要介绍小样本的基本理论,包含小样本学习的定义和方法。

1.1.小样本学习的定义

随着大数据时代的到来,深度学习模型已经在图像分类、文本分类等任务中取得了先进成果。一般来讲,深度学习的成功可以归结于三个关键因素:强大的计算资源、复杂的神经网络和大规模数据集。但是,由于诸如隐私,安全性或数据的高标签成本等一系列因素,许多现实的应用场景(例如在医学,军事和金融领域)没有条件获取足够的带标签的训练样本,或者需要消耗大量的时间和人力对无标签数据进行标注。面对这类问题,一个专门的机
器学习分支—小样本学习应运而生。计算机程序基于与任务 T 相关的经验 E 进行学习,使用度量指标 P 得到改进。基于此,小样本学习定义为:小样本学习是一类机器学习问题,其经验 E 中仅包含有限数量的监督信息。总结起来,机器学习就是从数据中学习,从而使完成任务的表现越来越好。小样本学习是具有有限监督数据的机器学习。

1.2.小样本学习在证券择时场景下的应用

此资源下载价格为2米粒,请先
如果链接失效,请发邮 2479799300@qq.com
下载价格:2 米粒
VIP优惠:免费
下载说明:如果链接失效,请发邮 2479799300@qq.com
分享到:

评论0

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址
低折优惠中!充值9元成为月VIP,充值19元成为季度VIP,充值49元成为年VIP。大量资源VIP免费下载!
没有账号? 忘记密码?