机器学习
P0 是首轮学习主线，P1 是第二轮补齐安排。先核对数据与时间约定，再理解模型。
机器学习
P0 · 待学
研究问题与数据约定
定义股票日期面板的一行、信息集和标签
阅读与练习 →P0 · 待学线性回归
推导含截距 OLS 的正规方程
阅读与练习 →P0 · 待学Ridge、Lasso 与因子合成
推导 Ridge、特征方向收缩和库参数换算
阅读与练习 →P0 · 待学损失、泛化与优化
解释平方损失的偏差方差分解
阅读与练习 →P0 · 待学时间验证与模型选择
推导不同持有期和截止政策的训练边界
阅读与练习 →P0 · 待学决策树与随机森林
手算所有候选阈值的叶均值与 SSE
阅读与练习 →P0 · 待学GBDT、XGBoost 与 LightGBM
手写多轮平方损失树桩 boosting
阅读与练习 →P0 · 待学特征工程与模型增量
区分训练学习的变换与当日截面规则
阅读与练习 →P0 · 待学因子研究综合实验
运行预先规定的多机制合成实验
阅读与练习 →P0 · 待学笔试、代码审查与项目答辩
按推导、实现、诊断与研究表达四类练习
阅读与练习 →P1 · 待学Logistic 与分类决策
从Bernoulli似然推交叉熵、梯度与Hessian
阅读与练习 →P1 · 待学PCA 与经典模型
推导PCA最大方差方向与SVD关系
阅读与练习 →P1 · 待学排序学习与模型组合
定义日期query与pairwise目标
阅读与练习 →P1 · 待学神经网络基础
推导两层MLP反向传播并检查9维参数
阅读与练习 →