量化投資中，MATLAB和python哪一個好？Matlab與。;在矩陣處理方面的強大優(yōu)勢是Python s .我曾經(jīng)用Matlab和Python運行過同樣的算法，涉及到矩陣中符號的求導。Pytho

量化投資中，MATLAB和python哪一個好？

Matlab與。;在矩陣處理方面的強大優(yōu)勢是Python s .我曾經(jīng)用Matlab和Python運行過同樣的算法，涉及到矩陣中符號的求導。

Python使用Numpy、Sympy和Scipy。感覺Sympy里的矩陣功能強大，但是速度慢，需要重點關注各種細節(jié)。

例如，它可以 t自動展開復雜類型，經(jīng)常出現(xiàn)(1 I)(2I 1)的結(jié)果，需要調(diào)用。展開來解決。

Matlab可以讓你專注于模型，Python超越Matlab還需要時間。

不過Python有強大的第三方包，比如Scarpy和Skikit-l

醫(yī)學生想自學機器學習，但數(shù)學基礎很差怎么辦？

你的交叉線有點大。自學習機器學習的原因是什么？

是個人愛好嗎？還是想換個曲目？

如果你有個人愛好，你不 不要想那么多。覺得不好的地方補上。但前提是主業(yè)不要放棄。就是你的研究生要好好學習，這是你以后的工作。

如果你想換曲目。我勸你好好想想，多和朋友交流。他們已經(jīng)讀研究生了，肯定老了。

首先，你必須徹底浪費你之前的大學和研究生生涯(也許是it 這完全是絕對的，但至少它 it'大部分都是。起跑線比別人落后好幾年。

二、就業(yè)招聘往往要看你的學歷和學校。自學的機會很少。

所以這種重大的改變要謹慎再謹慎。

機器學習前需要哪些預備知識？

前提機器學習的基礎是數(shù)學。數(shù)學不是可有可無的理論方法，而是不可或缺的支柱。如果你是一名計算機工程師，每天都在使用UML、ORM、設計模式等軟件工程工具/技術，請閉上眼睛一秒鐘，忘記一切。這并不是說這些概念不重要，絕不是！但是機器學習需要不同的方法。Python今天如此受歡迎的原因之一是它的 "原型制作速度和速度。在機器學習中，能夠用幾行代碼對算法建模的語言是絕對必要的。

微積分、線性代數(shù)、概率論幾乎在機器學習的所有算法中都是不可或缺的。如果你的數(shù)學功底扎實，請?zhí)^這一章。否則，它 再次回顧這些重要的概念是有好處的?？紤]到理論的數(shù)量，我不 我不建議你從大零件開始。雖然一開始可以用來查詢具體的概念，但是初學者還是先把重點放在簡單的話題上比較好。網(wǎng)上有很多好的在線資源(比如Cours《概率論入門》、格林斯泰德和斯內(nèi)爾( ~ chance/teaching _ AIDS/books _ articl《線性代數(shù)入門》、懷斯和加拉格爾(~利亞姆/teaching/4315-SPR 06/PDF)。