# 数据分析-精炼 ## 问题描述 ![](https://1872998545-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FDkthTFIlR5cW30yvk8wj%2Fuploads%2Fgit-blob-58e9ce8a3eebb5c68ae55fcee82d01eca78c8b3d%2FA4%20\(1\).png?alt=media) ![](https://1872998545-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FDkthTFIlR5cW30yvk8wj%2Fuploads%2Fgit-blob-e79521fec1169c8fe60abfe3bc98c7ba20894efb%2FA4_3.png?alt=media) ![](https://1872998545-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FDkthTFIlR5cW30yvk8wj%2Fuploads%2Fgit-blob-65e2d70c4d74bd4cf9352f41d85a213281f52758%2FA3.png?alt=media) ## [卓尔金历法](https://www.bfm-unity.com/qian-xian/management-cockpit-operation/zi-chan-pei-zhi/ling-hang-duo-lei-da) 我们之前所说的[卓尔金历法](https://www.bfm-unity.com/qian-xian/management-cockpit-operation/zi-chan-pei-zhi/ling-hang-duo-lei-da)，解决的是二维空间中的分类问题， 使用的方法是逻辑回归LR，使用的激活函数是sigmoid函数 二维空间，指的是 MVRV的60日均线，S2F月预测价格/价格的60日均线， 这两个变量，经过规整化，90%概率分布于（-1，1）后，构成的空间， 喂进去的训练数据是，经过数学处理，90%概率分布于（-1，2）的，基于（60天后的涨跌幅分布）的训练数据。 模型的预计输出结果是，（-1，2）的仓位控制策略模型， 这个模型被称为：[卓尔金历法](https://www.bfm-unity.com/qian-xian/management-cockpit-operation/zi-chan-pei-zhi/ling-hang-duo-lei-da)，或，二向箔。 问题已经被Excel解决，但是不具有扩展性。 ## [宇宙魔方](https://www.bfm-unity.com/qian-xian/yu-zhou-mo-fang-hui-gui-fen-xi) 我们现在这个问题属于三维空间中的，分类问题， 使用的方法是逻辑回归LR，使用的激活函数是sigmoid函数 三维空间，指的是 MVRV的60日均线，S2F月预测价格/价格的60日均线，NVT的60日均线，这三个变量，经过规整化，90%概率分布于（-1，1）后，构成的空间， 喂进去的训练数据是，经过数学处理，90%概率分布于（-1，2）的，基于（60天后的涨跌幅分布）的训练数据。 模型的预计输出结果是，（-1，2）的仓位控制策略模型， 这个模型被称为：[宇宙魔方](https://www.bfm-unity.com/qian-xian/yu-zhou-mo-fang-hui-gui-fen-xi)（Tesseract） 问题的模型已经建立了，解决起来就只是时间问题了。 ## 使用工具 [Anaconda](https://www.anaconda.com/) (Jupyter Notebook，Jupyter Lab，Numpy，Pandas，SciPy，TensorFlow，Keras)还有matplotlib，差点忘了 [**TensorFlow**](https://www.tensorflow.org/) **|** [**TensorBoard**](https://www.tensorflow.org/tensorboard?hl=zh-cn) **|** [**TensorBoard.dev**](https://tensorboard.dev/) **|** [**Google Colab**](https://colab.research.google.com/notebooks/intro.ipynb)\*\*\*\* [**https://playground.tensorflow.org/**](https://playground.tensorflow.org/)\*\*\*\* [**https://nbviewer.jupyter.org/**](https://nbviewer.jupyter.org/) ### 数据来源 [MVRV](https://www.qkl123.com/data/mvrv/btc) | [S2F](https://www.qkl123.com/data/s2f/btc) | [NVT](https://www.qkl123.com/data/nvt/btc) ## 课程学习 * [【美国微软大神的数据分析课】Pandas vs Excel](https://www.bilibili.com/video/BV1rt411y7PY) 🚩 * [python3带你玩转excel--工作党福利--（评论区附有课件和代码）](https://www.bilibili.com/video/BV1W7411G7wP)🚩 * [如何系统地学习Python 中 matplotlib, numpy, scipy, pandas？](https://www.zhihu.com/question/37180159/answer/304720890)🚩 * \*\*\*\*[**机器学习之数据的偏态分布和数据的标准化**](https://blog.csdn.net/m0_37870649/article/details/80638179)**🚩** * [人工智能实践：Tensorflow笔记](https://www.icourse163.org/course/PKU-1002536002?tid=1452937471)🚩 * 源码下载链接： 提取码：mocm ## 已经实现部分代码并开源 {% embed url="" %} {% embed url="" %} {% content-ref url="" %} [](https://www.bfm-unity.org/3.5.0/bfm-rins.-bi-fang-meng-ke-xue-yan-jiu-yuan/shu-ju-zhi-neng-bu/lv6-xing-mo-fang-fen-lei) {% endcontent-ref %}