通达信zig函数的python实现 代码 # coding: utf-8 """ Created on Sat Jan 05 18:53:39 2019 http://www.pianshen.com/article/363258879/ @author: duanqs """ import numpy as np import tushare as ts import matplotlib.pyplot as plt ZIG_STATE_STA

Python 目录: 管理面板 算法和设计模式 反垃圾邮件 资产管理 音频 验证 构建工具 缓存 ChatOps工具 CMS 代码分析和Linter 命令行工具 兼容性 计算机视觉 并发和并行性 组态 密码学 数据分析 数据验证 数据可视化 数据库驱动程序 数据库 日期和时间 调试工具 深度学习 DevOps工具 分配 文档 下载器 电子商务 编辑器插件和IDE 电子邮件 环境管理 文件 外部函数接口 形式 功能编程 游戏开发 地理位置 GUI 硬件 HTML操作 HTTP 意象 实现 互动译员

转载地址:https://zhuanlan.zhihu.com/p/27350980 本文是一个精心设计的Python框架.库.软件和资源列表,是一个Awesome XXX系列的资源整理,由BigQuant整理加工而成,欢迎扩散.欢迎补充!对机器学习.深度学习在量化投资中应用感兴趣的朋友可以直接在BigQuant人工智能量化投资平台上开发策略~~~ 本文目录: 算法和设计模型 构建工具 缓存 代码分析 命令行工具 兼容性 计算机视觉 并发和并行 加密 数据分析 数据验证 数据可视化 数据框驱动

真棒Python  https://awesome-python.com/ 精选的Python框架,库,软件和资源的精选列表. 灵感来自awesome-php. 真棒Python 管理员面板 算法和设计模式 反垃圾邮件 资产管理 音频 认证 构建工具 内置类增强功能 高速缓存 ChatOps工具 集群计算 CMS 代码分析 命令行工具 兼容性 计算机视觉 并发和并行 组态 加密 数据分析 数据验证 数据可视化 数据库驱动 数据库 日期和时间 调试工具 深度学习 DevOps工具 分配 文档 下载

本文是一个精心设计的Python框架.库.软件和资源列表,是一个Awesome XXX系列的资源整理,由BigQuant整理加工而成,欢迎扩散.欢迎补充! 对机器学习.深度学习在量化投资中应用感兴趣的朋友可以直接在BigQuant人工智能量化投资平台上开发策略~~~ 本文目录: 算法和设计模型 构建工具 缓存 代码分析 命令行工具 兼容性 计算机视觉 并发和并行 加密 数据分析 数据验证 数据可视化 数据框驱动 数据库 日期和时间 调试工具 深度学习 文档 下载器 电子商务 编辑器插件和IDE

转载自DevOps实战:Graphite监控上手指南 英文原文Getting Started with Monitoring using Graphite 英文原文Google快照 作者 Franklin Angulo , 译者 丛一 发布于 2015年3月17日 在本文中, 我将提供一个帮助读者了解用Graphite套件创建监控系统所涉及的全部工作的指南. 主要讨论内容 在本文中我们将会谈及如下用于创建Graphite监控系统的主题: Carbon和Whisper简介 Whisper存储模式和

Python交互K线工具 K线核心功能+指标切换 aiqtt团队量化研究,用vn.py回测和研究策略.基于vnpy开源代码,刚开始接触pyqt,开发界面还是很痛苦,找了很多案例参考,但并不能完全满足我们自己对于检查自己的交易逻辑的需求,只能参考网上的案例自己开发 代码较多,大家可以直接到GitHub下载开源源码查看 欢迎加入QQ交流群: 538665416(免费提供,期货,期权数据) 团队界面需求: 界面加载k线, 鼠标滚轮缩放,键盘缩放跳转 十字光标 显示K线详细信息 缩放自适应Y轴坐标 回测

在机器学习中,性能指标(Metrics)是衡量一个模型好坏的关键,通过衡量模型输出y_predict和y_true之间的某种“距离”得出的. 对学习器的泛化性能进行评估,不仅需要有效可行的试验估计方法,还需要有衡量模型泛化能力的评估价标准,这就是性能度量(performance measure).性能度量反映了任务需求,在对比不同模型的能力时,使用不同的性能度量往往会导致不的评判结果:这意味着模型的“好坏”是相对的,什么样的模型是好的,不仅取决于算法和数据,还决定于任务需求. 性能指标往往使我们

1.安装scikit-learn 1.1Scikit-learn 依赖 Python (>= 2.7 or >= 3.3), NumPy (>= 1.8.2), SciPy (>= 0.13.3). 分别查看上述三个依赖的版本, python -V        结果:Python 2.7.3 python -c 'import scipy; print scipy.version.version'    scipy版本结果:0.9.0       python -c "

本人之前写过若干“给程序员加财商”的系列文,目的是通过股票案例讲述Python知识点,让大家在学习Python的同时还能掌握相关的股票知识,所谓一举两得. 在之前的系列文里,大家能看到K线,均线,成交量的案例,在本文里,大家能看到通过RSI案例讲述Python邮件编程的知识点,在后继系列文里,大家还能看到MACD,BIAS,KDJ等指标相关案例. 1  RSI指标的原理和算法描述 相对强弱指标(RSI)是通过比较某个时段内单股价格的涨跌幅度来判断多空双方的强弱程度,以此来预测未来走势.从数值上看

python实现六大分群质量评估指标(兰德系数.互信息.轮廓系数) 1 R语言中的分群质量--轮廓系数 因为先前惯用R语言,那么来看看R语言中的分群质量评估,节选自笔记︱多种常见聚类模型以及分群质量评估(聚类注意事项.使用技巧): 没有固定标准,一般会3-10分群.或者用一些指标评价,然后交叉验证不同群的分群指标. 一般的指标:轮廓系数silhouette(-1,1之间,值越大,聚类效果越好)(fpc包),兰德指数rand:R语言中有一个包用30种方法来评价不同类的方法(NbClust),但是速

https://blog.csdn.net/gsl222/article/details/104554397 https://github.com/yyy999/auto_ma912 一个用python写的比特币均线指标 开发环境:win10,spyder(anaconda3) #ET量化交易web系统:http://www.simplenet.top 安装与使用指南 Windows10 64位 环境 手动安装 1.下载并安装最新版spyder(Anaconda3) 64位 下载地址如下:Ana

我的新书<基于股票大数据分析的Python入门实战>于近日上架,在这篇博文向大家介绍我的新书:<基于股票大数据分析的Python入门实战>里,介绍了这本书的内容.这里将摘录出部分内容,用以推广本书,请大家多多支持. <基于股票大数据分析的Python入门实战 视频教学版>,京东链接:https://item.jd.com/69241653952.html.在这篇博文里,将摘录部分内容. 1  OBV指标的原理以及算法 形象地讲,OBV指标是将成交量与股价的关系数字化,并

1.混淆矩阵 下图是一个二类问题的混淆矩阵,其中的输出采用了不同的类别标签 常用的衡量分类性能的指标有: 正确率(Precision),它等于 TP/(TP+FP) ,给出的是预测为正例的样本中的真正正例的比例. 召回率(Recall),他等于 TP/(TP+FN),给出的是预测为正例的真实正例占所有真实正例的比例. 2.ROC曲线 图中的横轴是伪正例的比例(假阳率=FP/(FP+TN)),而纵轴是真正例的比例(真阳率=TP/(TP+FN)).ROC曲线给出的是当阈值变化时假阳率和真阳率的变化情

#!/usr/bin/python #-*- coding: utf-8 -*- #+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++# #Name : collMonitorDataToDB.py # #Created : 2017/07/06 # #Author : @ruiy # #Version : 2.0 # #Copyright : 2016 ~ 2017 ahwater.net Corporation.`

接口:daily_basic 更新时间:交易日每日15点-17点之间 描述:获取全部股票每日重要的基本面指标,可用于选股分析.报表展示等. 积分:用户需要至少300积分才可以调取,具体请参阅本文最下方积分获取办法 注:tushare库下载和初始化教程,请查阅我之前的文章 输入参数 名称      |      类型      |      必选      |      描述 ts_code      |      str      |      Y      |      股票代码(二选一) t

# This Python 3 environment comes with many helpful analytics libraries installed # It is defined by the kaggle/python docker image: https://github.com/kaggle/docker-python # For example, here's several helpful packages to load in import numpy as np

obv

前言 性能是我们日常生活中经常接触到的一个词语,更好的性能意味着能给我们带来更好的用户体检.比如我们在购买手机.显卡.CPU等的时候,可能会更加的关注于这样指标,所以本篇就来做一个性能评测. 性能也一直是我们开发人员一直追求的一个目标,我们在做语言选择,平台选择,架构选择的过程中都需要在性能之间做衡量. 同样性能对 .NET Core 团队来说也是至关重要的,一项新技术的诞生,除了对生产力的提高,还有技术团队对性能的追求. 今天,我们就来做一个对比测试,来看看微软的这样新技术性能到底怎么样,俗话

--------------------------------------------------------------------------------------- 本系列文章为<机器学习实战>学习笔记,内容整理自书本,网络以及自己的理解,如有错误欢迎指正. 源码在Python3.5上测试均通过,代码及数据 --> https://github.com/Wellat/MLaction -----------------------------------------------