华泰金融工程 发布于 2020-07-03 11:12:43                        
                        
                              林晓明    S0570516010001    研究员陈   烨    S0570518080004    研究员李子钰    S0570519110003    研究员何   康    S0570118080081    联系人王晨宇    S0570119110038    联系人
报告发布时间:2020年7月2日
摘要无监督学习对于研究资产的内在模式以及改进现有的模型具有积极意义机器学习模型中,无监督学习是指在无标记数据中学习内在规律的模型训练方式。不同于监督学习,无监督学习难以对金融资产未来表现做出预测,但对于研究资产的内在模式以及改进现有的模型具有积极意义。按照sklearn的分类,无监督学习可以分为以下三个领域:1.流形学习,2.聚类,3.矩阵分解。对于流形学习和聚类,本文以实例的方式介绍了它们在投资中的应用。对于矩阵分解,本文则从一篇前沿的学术论   ( 
点击阅读全文 )     
                              
→ 
免费下载App,立即成为ETF达人