> For the complete documentation index, see [llms.txt](https://www.bfm-unity.org/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://www.bfm-unity.org/bfm-rins.-wei-mian-jian-meng-ke-xue-yan-jiu-yuan/shu-ju-zhi-neng-bu/lv6-xing-mo-fang-fen-lei.md). # LV6-星魔方 (分类) 🎲 {% content-ref url="/pages/LgEERIuuogd7VBM2PJB0" %} [数据分析-精炼](/bfm-rins.-wei-mian-jian-meng-ke-xue-yan-jiu-yuan/shu-ju-zhi-neng-bu/lv6-xing-mo-fang-fen-lei/shi-yan-shi-zhan-shi-gui.md) {% endcontent-ref %} {% content-ref url="/pages/Bh7U2el3F6PYQ9ABfhhM" %} [数据分析-实验](/bfm-rins.-wei-mian-jian-meng-ke-xue-yan-jiu-yuan/shu-ju-zhi-neng-bu/lv6-xing-mo-fang-fen-lei/yu-zhou-mo-fang-hui-gui-fen-xi.md) {% endcontent-ref %} {% content-ref url="/pages/Xxkg64GWtTJm8qyhQRpI" %} [人工智能-实验](/bfm-rins.-wei-mian-jian-meng-ke-xue-yan-jiu-yuan/shu-ju-zhi-neng-bu/lv6-xing-mo-fang-fen-lei/ren-gong-zhi-neng-de-pen-jing-xiang.md) {% endcontent-ref %} {% hint style="info" %} #### 问题描述 #### [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) {% endhint %} ![](/files/OkUdfGy6eeFcx4tRg0or) ![](/files/hqe6O5jVK6REpHsNcngL) ## 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)🚩 代码 ## 已经实现部分代码并开源 {% embed url="" %} {% embed url="" %} ## 已通过人工智能发现三个指标优先级， ### S2F>MVRV>NVT ![](/files/JirriHQlv4crMPBdcucl)