談到機器學習，大家可能會對這個AI方面的概念比較陌生，但如果提到谷歌AlphaGo，大家肯定就很熟悉了。當年谷歌人工智能程序通過機器學習的方式掌握圍棋比賽技巧后，輕松擊敗了多個國家的圍棋冠軍，時隔3年世界冠軍韓國李世石宣布退役時，還高呼AI不可戰(zhàn)勝。通過機器學習訓練后的計算機程序，在某些類似比賽和交易這樣的博弈場景中，是比人類具有更高勝率的。

非小號研究本次就做了一個硬核的試驗：將機器學習技術應用在幣種分析中，看看會有什么好玩的結論，以及是否真的能夠幫助我們交易。

我們的具體課題是，通過現(xiàn)有的市場公開數(shù)據(jù)預測明日收益率為正還是為負（即陽線還是陰線）。

這是一個二分類問題，我們可以使用的模型有很多，這里我們選用了以下模型用于實驗：邏輯回歸LR、線性判別分析LDA、二次判別分析QDA、支持向量機SVC、決策樹DT、隨機森林RF、漸變提升樹GBC等。（看不懂沒關系，對該領域以外的普通人來說是真的太硬核了）

本次用來試驗的數(shù)據(jù)主要有三個方面：1、資產(chǎn)的歷史數(shù)據(jù)；2、相關品種，如黃金原油美國三大股指等；3、幣圈相關幣種數(shù)據(jù)，主要是主流幣。

完整的機器學習建立流程

1.首先，特征工程

特征工程是機器學習中最關鍵的步驟，沒有之一。這有別于大眾認知的AI能解決一切問題，人工智能是萬能的認知。真實的情況是數(shù)據(jù)科學家們常掛在嘴邊的一句話是“輸入的是垃圾，輸出的也一定是垃圾”，這意味著特征工程做得好不好會直接影響AI的“智商”。特征工程不止是數(shù)據(jù)需要清洗重新組合

熱點：加密貨幣 幣價格