各种机器学习的应用场景分别是什么？
发布网友
发布时间：2022-03-25 12:09
共3个回答
热心网友
时间：2022-03-25 13:38
处理非结构化数据。**、突发事件，这方面的处理就可以通过机器学习来做。比如我们采用的是一个事件驱动交易策略，一旦发生某些事件，机器就自动下单。我们的信息源可能相当比例都是新闻文本，这里就需要用机器来读。文本这类非结构化数据用传统方法是处理不了的，需要采用机器学习的方法。这大概算是一个机器学习在量化方面的应用场景吧。对于数据源不仅局限于市场数据，而是什么都挖（包括但不限于Twitter，互联网流量，天气，各种新闻媒体等等）的矿工们来讲，线性模型显然就不够用了。比如做 Behavioral Strategy 的，做 Event Driven Strategy的，做 Index Arbitrage 的，由于无法确定数据之间是怎样的关系，就会把ML里一些复杂的甚至比较新的研究成果往上招呼。有些时候交易者们还需要自己做NLP（自然语言处理）和CV/PR（模式识别），这就更是机器学习的重镇了。
热心网友
时间：2022-03-25 14:56
机器学习里面最典型的两大类问题：聚类和分类。前者是根据一群人的个子高矮将他们分成三组；后者是告诉你一些人的身高以及他们的国籍，再给你一些人的身高，让你判断出他们的国籍。核心思想是让看似无所不能的程序实现机械技术上的突破和大面积更低成本的运用，似乎国内和国外是在同一起跑线。我认为国内环境更好，但是团队能力并不强，而且相关技术不成熟但是不排除新技术的出现打破机械制造业的垄断，起点都是一样的就看团队能力和学习方向了。当然得有一个英语大神，我不信天才的存在，因为是时代的技术成就推出了天才，人人都在努力，但是光环只有一个。
热心网友
时间：2022-03-25 16:31
