首先是数学

涉及统计学、微积分、概率、线性代数等。

大家虽然都学过高等数学，但如果你还记得里面的细节，算你牛。

更可能的情况是，多数人都对高等数学忘记了，面对各种算法里的大量公式，感到厌恶，甚至恐惧。

然后是机器学习

机器学习的流程：

• 数据处理
• 建模
• 评估指标（如 MSE、ROC 曲线）
• 模型部署
• 过度拟合
• 正则化等
  

机器学习是一个相对前沿的IT技术。知识点散而且多，目前基本没有系统性，快速发展的技术。

协鑫集成的主力们就很有个性，常常走出逆市的行情。而且上涨和下跌，变化的也非常的快。

常用的算法

包括了大量的数学公式：

• 线性回归
• 逻辑回归
• 神经网络
• SVM
• Knn
• K-Means
• 决策树
• 随机森林
• AdaBoost
• 朴素贝叶斯
• 梯度下降
• 主成分分析
  

股票分析中的模型

首先，模型的参数越多，机器学习的结果会越准确。

股票分析相对于其它业务的分析，优势在于历史数据的积累，而且这些数据是公开的。

同时，技术分析流派更是总结出非常多经典技术分析方法，这些都是可以借鉴的。但并不能直接拿来使用。

最核心的重点，就是不断总结出新的模型和python对这些模型的机器学习优化过程。