UPdated on Feb-17-2020 全部已完成。
第七章
1.全球公认机器学习之父 Tom Mitchell《机器学习》
2.归纳与演绎
这样看来，自己是缺乏归纳的能力啊。
3.
假设空间：通过4个点可以找到多个模型，很多个假设来对它进行拟合，这些模型、假设所组成的集合就是假设空间。机器学习的过程就是找到一个最佳的假设，它能最大程序地匹配这4个样本。
策略：告诉这个模型什么样的模型是好的策略。所以一般是通过损失函数来进行构建。
算法：采用一个算法得到最优解。牛顿法是直接对损失函数针对参数求导，求到导数与偏导以后，让导数=0，就是最优值的一个解。
4.泛化
学得模型适用于新样本的能力，称为泛化（generalization)
5.过拟合与欠拟合
6.偏差与方差
打靶：
每次打中靶心，并且每次成绩都很稳定，那就是低偏差，低方差。
打到外面去了，打了很多次，每次都不稳定（特别发散），那就是高偏差，高方差
7.时序交叉法
传统交叉验证法：
8.衡量模型
衡量回归问题用均方误差。
9.目前在金融市场最常用的是监督式学习，监督学习最主要的就是线性回归与分类。
强化学习目前在金融市场上还没有完全落地。
10.机器学习按算法分类
第八章
1.多元线性回归
2.逻辑回归
它的原理是本来值域是正无穷大，负无穷大的一个输出压缩到0，1之间的输出。
线性模型不能解决异或问题。
3.决策树
4.支持向量机
5.集成学习算法
AdaBoost串行方法：一个模型训练完成之后，对它的残差再进行训练，不断地减少这个残差。
比如预测一个人的年龄，这个人是30岁，首先预测他20岁，残差有10，再对这个残差进行预测，我预测为6，残差为4.。
第九章：
1.因子
因子库
夏普3.85的AI可视化小市值因子提升策略（5:45分）
https://ke.qq.com/webcourse/index.html#cid=434361&term_id=100518630&taid=3779953473003705&type=1024&vid=5285890792805858314
第十章
1.深度学习介绍
2.梯度下降的几种类型
在机器 学习中，最简单、最常见的优化算法是梯度下降法
3.如何选择损失函数
4.激活函数
5.肯体实例（识别数字）32分35秒
https://ke.qq.com/webcourse/index.html#cid=434361&term_id=100518630&taid=3779970652872889&type=1024&vid=5285890792805878657
6.DNN和CNN
RNN可以很好的用于金融市场
LSTM
