大數(shù)據(jù)DT 提供大數(shù)據(jù)、AI等領(lǐng)域干貨學(xué)習(xí)資源的「寶藏號(hào)」，跟50萬(wàn)技術(shù)人共同成長(zhǎng)，一起玩轉(zhuǎn)大數(shù)據(jù)、Python、數(shù)據(jù)分析、數(shù)據(jù)科學(xué)、人工智能！還會(huì)有各種好玩又奇葩的數(shù)據(jù)解讀，邊學(xué)習(xí)邊吃瓜！
510篇原創(chuàng)內(nèi)容
公眾號(hào)
導(dǎo)讀：SciPy是基于NumPy的，提供了更多的科學(xué)計(jì)算功能，比如線性代數(shù)、優(yōu)化、積分、插值、信號(hào)處理等。
來(lái)源：大數(shù)據(jù)DT（ID：hzdashuju）目前在國(guó)內(nèi)Matlab仍然非常流行，Matlab使用的數(shù)據(jù)格式通常是.mat文件。對(duì)此，Scipy.io包提供了可以導(dǎo)入導(dǎo)出.mat文件的接口，這樣，Python和Matlab的協(xié)同工作就變得非常容易了。示例代碼如下所示：from scipy import io as spio
import numpy as np
a=np.arange(10)
spio.savemat('a.mat',{'a':a})
data = spio.loadmat('a.mat', struct_as_record=True)
data['a']
array([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])
在SciPy中，線性代數(shù)運(yùn)算使用的是scipy.linalg。scipy.linalg.det()可用于計(jì)算矩陣的行列式，示例代碼如下：from scipy import linalg
m=np.array([[1,2],[3,4]])
linalg.det(m)
求解最大值最小值之類的問題即為優(yōu)化問題，在SciPy中，scipy.optimization提供了最小值、曲線擬合等算法。示例代碼如下：import numpy as np
from scipy import optimize
import matplotlib.pyplot as plt
def f(x):
return x**2+20*np.sin(x)
x=np.arange(-10,10,0.1)
plt.plot(x,f(x))
由圖3-1中可以看到，對(duì)應(yīng)的最小值的橫坐標(biāo)大約是-2。我們可以用暴力窮舉法來(lái)計(jì)算最小值，代碼如下：grid=(-10,10,0.1)
x_min=optimize.brute(f,(grid,))
x_min
Out:
array([-1.42754883])
當(dāng)然，當(dāng)數(shù)據(jù)量較大的時(shí)候，窮舉法速度會(huì)很慢。為了提高效率，scipy.optimize也提供了諸如模擬退火等優(yōu)化算法，這里不再多講。關(guān)于作者：趙志強(qiáng)，金融量化與建模專家，目前在金融科技公司負(fù)責(zé)金融大數(shù)據(jù)產(chǎn)品工作，專注于研究Al在金融領(lǐng)域的落地應(yīng)用。曾在由諾獎(jiǎng)得主Robert Engle領(lǐng)導(dǎo)的上海紐約大學(xué)波動(dòng)研究所研究全球金融風(fēng)險(xiǎn)，并和上交所、中金所合作完成多項(xiàng)科研項(xiàng)目。曾在摩根士丹利華鑫基金、明汯投資負(fù)責(zé)量化投資研究工作，內(nèi)容包括股票多因子、期貨CTA和高頻交易等。劉志偉，在中國(guó)銀聯(lián)云閃付事業(yè)部從事數(shù)據(jù)分析、數(shù)據(jù)挖掘等工作。對(duì)自然語(yǔ)言處理、文本分類、實(shí)體識(shí)別、關(guān)系抽取、傳統(tǒng)機(jī)器學(xué)習(xí)，以及大數(shù)據(jù)技術(shù)棧均有實(shí)踐經(jīng)驗(yàn)。目前正在探索相關(guān)技術(shù)在金融場(chǎng)景內(nèi)的落地應(yīng)用，包括自動(dòng)知識(shí)圖譜、大規(guī)模文本信息抽取結(jié)構(gòu)化、異常識(shí)別等領(lǐng)域，關(guān)注人工智能行業(yè)前沿技術(shù)發(fā)展。本文摘編自《Python量化投資：技術(shù)、模型與策略》，本文摘編自《Python量化投資：技術(shù)、模型與策略》，經(jīng)出版方授權(quán)發(fā)布。
本站僅提供存儲(chǔ)服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)
點(diǎn)擊舉報(bào)。
