VIP16
本课程属于：030-机器学习Alpha与交易信号 智能金融与金融工程 · 共 16 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

机器学习因子压缩与特征表示实战

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=机器学习因子压缩与特征表示的定… · 学习目标 · 整体课程框架与实战项目概览
课程导入目标=机器学习因…
02
数学基础
目标=线性代数 · 概率统计 · 优化理论在因子压缩与特征表示中的核心…
数学基础目标=线性代数
03
数据预处理
目标=缺失值处理 · 标准化 · 异常值检测
数据预处理目标=缺失值处理
04
因子分析基础
目标=主成分分析 · 因子分析 · 独立成分分析的原理
因子分析基础目标=主成分分析
05
特征选择方法
目标=过滤法 · 包裹法 · 嵌入法的核心思想
特征选择方法目标=过滤法
06
降维技术入门
目标=奇异值分解 · 主成分分析 · 核主成分分析的数学推导与代码实现
降维技术入门目标=奇异值分解
07
流形学习
目标=局部线性嵌入 · 等距映射 · t-SNE
流形学习目标=局部线性嵌…
08
自编码器基础
目标=欠完备自编码器 · 去噪自编码器 · 稀疏自编码器的结构与训练技巧
自编码器基础目标=欠完备自编…
09
变分自编码器
目标=变分推断 · 重参数化技巧 · KL 散度与生成式特征表示实战
变分自编码器目标=变分推断
10
对比学习与表示学习
目标=SimCLR · MoCo · BYOL 的核心机制与因子特征提取应…
对比学习表示学习
11
矩阵分解进阶
目标=非负矩阵分解 · 低秩近似 · 鲁棒主成分分析及其在因子压缩中的应用
矩阵分解进阶目标=非负矩阵分…
12
稀疏表示与字典学习
目标=稀疏编码 · K-SVD · 在线字典学习的原理与实战案例
稀疏表示字典学习
13
聚类与因子压缩
目标=K-means · 高斯混合模型 · 谱聚类在因子分组与压缩中的联合使用
聚类因子压缩
14
监督降维方法
目标=线性判别分析 · 局部 Fisher 判别分析 · 度量学习的原理与实战
监督降维方法目标=线性判别分…
15
核方法与特征表示
目标=核技巧 · 核矩阵近似 · 随机特征映射与大规模因子压缩
核方法特征表示
16
神经网络压缩
目标=剪枝 · 量化 · 知识蒸馏
神经网络压缩目标=剪枝
17
图神经网络与因子表示
目标=图卷积 · 图注意力 · 节点嵌入在关系型因子数据中的应用
图神经网络因子表示
18
时间序列因子压缩
目标=动态因子模型 · 状态空间模型 · 卡尔曼滤波与深度学习融合方法
时间序列因子压缩目标=动态因子模…
19
文本因子表示
目标=词嵌入 · Transformer · BERT 在金融文本因子提取与压缩中…
文本因子表示目标=词嵌入
20
图像因子表示
目标=卷积自编码器 · 预训练 CNN 特征提取与图像因子压…
图像因子表示目标=卷积自编码…
21
多模态因子融合
目标=早期融合 · 晚期融合 · 跨模态注意力与联合嵌入表示实战
多模态因子融合目标=早期融合
22
因子压缩评估
目标=重构误差 · 信息保留率 · 下游任务性能
因子压缩评估目标=重构误差
23
实战项目一
目标=基于主成分分析与自编码器的股票…
实战项目一目标=基于主成分…
24
实战项目二
目标=基于变分自编码器与对比学习的多…
实战项目二目标=基于变分自…
25
实战项目三
目标=基于图神经网络与时间序列模型的…
实战项目三目标=基于图神经…
26
常见问题与调参
目标=过拟合 · 维度灾难 · 训练不稳定
常见问题调参
27
可解释性与可视化
目标=因子重要性 · SHAP · t-SNE 可视化
可解释性可视化
28
工程化与部署
目标=特征存储 · 在线推理 · 模型版本管理
工程化部署
29
前沿进展
目标=自监督学习 · 大语言模型 · 扩散模型在因子压缩与特征表示中的新方…
前沿进展目标=自监督学习
30
综合提升与课程总结
目标=知识体系回顾 · 项目复盘 · 进阶学习路径与实战能力自评
综合提升课程总结