图书介绍

零起点 Python足彩大数据与机器学习实盘分析PDF|Epub|txt|kindle电子书版本下载

零起点 Python足彩大数据与机器学习实盘分析
  • 何海群著 著
  • 出版社: 北京:电子工业出版社
  • ISBN:7121310744
  • 出版时间:2017
  • 标注页数:422页
  • 文件大小:100MB
  • 文件页数:442页
  • 主题词:

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示:(请使用BT下载软件FDM进行下载)软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]

下载说明

零起点 Python足彩大数据与机器学习实盘分析PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台)。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用!后期资源热门了。安装了迅雷也可以迅雷进行下载!

(文件页数 要大于 标注页数,上中下等多册电子书除外)

注意:本站所有压缩包均有解压码: 点击下载压缩包解压工具

图书目录

第1章 足彩与数据分析1

1.1 “阿尔法狗”与足彩1

1.2 案例1-1:可怕的英国足球3

1.3 关于足彩的几个误区7

1.4 足彩·大事件8

1.5 大数据图灵(足彩)原则10

1.6 主要在线彩票资源11

1.7 主要在线足彩数据源15

1.8 足彩基础知识17

1.9 学习路线图18

第2章 开发环境19

2.1 数据分析首选Python19

2.1.1 大数据,why Python19

2.1.2 入门简单,功能强大21

2.1.3 难度降低90%,性能提高10倍23

2.1.4 “零对象”编程模式24

2.2 用户运行平台25

2.3 程序目录结构26

2.4 tfbDat足彩数据包27

2.5 Spyder编辑器界面设置28

2.5.1 开发环境界面设置28

2.5.2 代码配色技巧29

2.5.3 图像显示配置31

2.5.4 重剑无锋32

2.6 Notebook模式34

2.7 模块库控制面板36

2.7.1 模块库资源37

2.7.2 模块库维护更新37

2.7.3 系统关联38

2.8 使用pip命令更新模块库39

2.8.1 pip常用命令39

2.8.2 进入Python命令行模式41

2.8.3 pip安装模板41

2.8.4 pip参数解释42

2.8.5 pip-install参数选项43

第3章 入门案例套餐45

3.1 案例3-1:第一次编程,“hello,Ziwang”45

3.1.1 简单调试46

3.1.2 控制台复位47

3.2 案例3-2:增强版“hello,ziwang”47

3.3 案例3-3:列举系统模块库清单49

3.4 案例3-4:常用绘图风格50

3.5 案例3-5:Pandas常用绘图风格52

3.6 案例3-6:常用颜色表cors53

第4章 足彩量化分析系统55

4.1 功能简介55

4.1.1 目录结构56

4.1.2 TFB安装与更新56

4.2 TFB主体框架57

4.2.1 模块构成57

4.2.2 Top-Base极宽基础模块库57

4.2.3 Top-Football极宽足彩专业模块库58

4.2.4 tfbDat极宽足彩数据包59

4.2.5 量化系统模块构成60

4.2.6 案例4-1:赔率文件切割61

4.2.7 案例4-2:批量切割数据文件64

4.3 tfbDat数据结构66

4.3.1 案例4-3:tfb数据格式67

4.3.2 gid基本比赛数据格式67

4.3.3 xdat赔率数据格式69

4.4 足彩基本数据分析73

4.4.1 案例4-4:比赛数据基本图表分析73

4.4.2 案例4-5:比赛数据进阶图表分析77

4.4.3 案例4-6:比赛数据年度图表分析80

4.4.4 案例4-7:比赛数据时间细分图表分析81

4.5 胜、平、负数据分析88

4.5.1 案例4-8:胜、平、负数据分析88

4.5.2 @修饰符88

4.5.3 胜、平、负分析90

4.6 赔率数据分析91

4.6.1 案例4-9:赔率分析91

4.6.2 扩充dr_gid_top10绘图函数92

4.6.3 赔率对比93

第5章 常用数据分析工具96

5.1 Pandas数据分析软件96

5.1.1 Pandas简介96

5.1.2 案例5-1:Pandas常用统计功能99

5.2 科学计算104

5.3 人工智能105

5.4 NLTK语义分析107

5.5 数据清洗统计分析109

5.6 数据可视化109

第6章 辅助工具114

6.1 性能优化114

6.1.1 Numexpr矢量加速库115

6.1.2 Numba支持GPU的加速模块库115

6.1.3 Blaze大数据优化模块库115

6.1.4 Pyston加速模块116

6.1.5 PyPy加速模块116

6.1.6 Cython116

6.1.7 其他优化技巧117

6.2 网页信息抓取117

6.2.1 Requests人性化的网络模块118

6.2.2 Scrapy网页爬虫框架118

6.2.3 Beautiful Soup 4119

6.3 其他工具模块120

6.3.1 Logging日志模块120

6.3.2 Debug调试工具121

6.3.3 re正则表达式121

6.3.4 并行编程122

6.4 网络辅助资源123

6.5 arrow优雅简捷的时间模块库125

6.5.1 案例6-1:arrow入门案例126

6.5.2 创建arrow时间对象128

6.5.3 创建时间戳128

6.5.4 arrow属性129

6.5.5 replace替换和shift位移130

6.5.6 format格式化参数130

6.5.7 时间转换131

6.5.8 短命令131

6.5.9 人性化131

6.5.10 范围和跨度132

6.5.11 工厂模式133

6.5.12 Token特殊字符133

第7章 网络足彩数据抓取135

7.1 500彩票网站数据接口的优势135

7.1.1 案例7-1:抓取赔率数据网页136

7.1.2 网页数据实战操作技巧139

7.2 网页解析的心灵鸡汤141

7.2.1 BS4四大要素三缺一142

7.2.2 Tag标签对象142

7.2.3 案例7-2:Tag标签对象142

7.2.4 案例7-3:Tag标签对象数据类型145

7.2.5 NavigableString导航字符串149

7.2.6 BeautifulSoup复合对象149

7.2.7 Comment注释对象150

7.2.8 案例7-4:BS4查找匹配功能150

7.2.9 BS4节 点遍历功能154

7.3 足彩基本数据抓取155

7.3.1 案例7-5:分析网页比赛数据155

7.3.2 案例7-6:提取网页比赛数据157

7.3.3 gid比赛基本数据结构159

7.3.4 案例7-7:提取比赛得分161

7.3.5 案例7-8:提取球队id编码164

7.3.6 案例7-9:抓取历年比赛数据167

7.3.7 案例7-10:流程图工具与Python171

7.3.8 实盘技巧172

7.3.9 案例7-11:进程池并发运行174

7.4 批量抓取足彩网页数据实盘教程177

7.4.1 案例7-12:批量抓取赔率数据177

7.4.2 fb_gid_getExt扩展网页下载函数178

7.4.3 bars节点数据包与pools彩票池178

7.4.4 抓取扩展网页180

7.5 足彩赔率数据抓取181

7.5.1 gid与赔率数据网页181

7.5.2 案例7-13:提取赔率数据184

7.5.3 赔率数据与结构化数据186

7.5.4 瀑布流数据网页与小数据理论189

第8章 足彩数据回溯测试191

8.1 TFB系统构成192

8.1.1 TFB系统模块结构192

8.1.2 Top-Base极宽基础模块库192

8.1.3 Top-Football极宽足彩专业模块库193

8.2 实盘数据更新194

8.2.1 案例8-1:实盘数据更新194

8.2.2 实盘要点:冗余195

8.2.3 实盘要点:耐心196

8.2.4 实盘要点:数据文件197

8.2.5 main_get函数197

8.3 变量初始化199

8.3.1 全局变量与类定义201

8.3.2 彩票池内存数据库202

8.3.3 案例8-2:内存数据库&数据包204

8.4 回溯测试205

8.4.1 案例8-3:回溯206

8.4.2 main_bt回溯主入口207

8.4.3 案例8-4:实盘回溯209

8.4.4 彩票池与统计池211

8.4.5 poolTrd下单交易数据212

8.4.6 poolRet回报记录数据213

8.4.7 实盘足彩推荐分析214

8.4.8 实盘回报分析214

8.4.9 全数据分析与足彩数据集215

8.5 bt_main回溯主函数216

8.5.1 bt_1dayMain单日回溯函数218

8.5.2 赔率数据合并函数219

8.5.3 单日回报分析函数220

8.5.4 单日回报分析221

8.5.5 单场比赛回报分析223

8.6 sta01策略的大数据分析224

8.6.1 一号策略函数226

8.6.2 超过100%的盈利策略与秘诀227

8.6.3 统计分析228

8.6.4 回溯时间测试229

8.6.5 bt_main_ret总回报分析230

第9章 参数智能寻优232

9.1 一元参数寻优233

9.1.1 案例9-1:一号策略参数寻优233

9.1.2 一元测试函数234

9.1.3 测试结果数据格式236

9.1.4 案例9-2:一元参数图表分析237

9.2 策略函数扩展241

9.2.1 扩展一号策略函数241

9.2.2 案例9-3:一号扩展策略242

9.2.3 案例9-4:sta10策略244

9.3 二元参数寻优246

9.3.1 案例9-5:sta10参数寻优246

9.3.2 案例9-6:二元参数图表分析248

9.4 策略310准多因子策略252

9.4.1 案例9-7:数据预处理254

9.4.2 案例9-8:策略310参数寻优257

9.4.3 案例9-9:策略310图表分析259

9.4.4 案例9-10:策略310264

第10章 Python人工智能入门与实践266

10.1 从忘却开始266

10.2 Iris经典爱丽丝269

10.2.1 案例10-1:经典爱丽丝270

10.2.2 案例10-2:爱丽丝进化与矢量化文本272

10.3 AI操作流程273

10.3.1 机器学习与测试数据集合274

10.3.2 机器学习运行流程274

10.3.3 经典机器学习算法275

10.3.4 黑箱大法275

10.3.5 数据切割函数276

10.3.6 案例10-3:爱丽丝分解277

10.3.7 案例10-4:线性回归算法281

第11章 机器学习经典算法案例(上)286

11.1 线性回归286

11.2 逻辑回归算法293

11.2.1 案例11-1:逻辑回归算法294

11.3 朴素贝叶斯算法296

11.3.1 案例11-2:贝叶斯算法297

11.4 KNN近邻算法299

11.4.1 案例11-3:KNN近邻算法301

11.5 随机森林算法302

11.5.1 案例11-4:随机森林算法306

第12章 机器学习经典算法案例(下)308

12.1 决策树算法308

12.1.1 案例12-1:决策树算法310

12.2 GBDT迭代决策树算法311

12.2.1 案例12-2:GBDT迭代决策树算法312

12.3 SVM向量机313

12.3.1 案例12-3:SVM向量机算法315

12.4 SVM-cross向量机交叉算法316

12.4.1 案例12-4:SVM-cross向量机交叉算法317

12.5 神经网络算法318

12.5.1 经典神经网络算法319

12.5.2 Sklearn神经网络算法320

12.5.3 人工智能学习路线图320

12.5.4 案例12-5:MLP神经网络算法321

12.5.5 案例12-6:MLP_reg神经网络回归算法323

第13章 机器学习组合算法326

13.1 CCPP数据集326

13.1.1 案例13-1:CCPP数据集327

13.1.2 案例13-2:CCPP数据切割328

13.1.3 数据切割函数330

13.1.4 案例13-3:读取CCPP数据集331

13.1.5 数据读取函数333

13.2 机器学习统一接口函数334

13.2.1 案例13-4:机器学习统一接口334

13.2.2 统一接口函数336

13.2.3 机器学习算法代码338

13.2.4 效果评估函数339

13.2.5 常用评测指标340

13.3 批量调用机器学习算法341

13.3.1 案例13-5:批量调用341

13.3.2 批量调用算法模型344

13.4 一体化调用345

13.4.1 案例13-6:一体化调用345

13.4.2 一体化调用函数346

13.5 模型预制与保存348

13.5.1 案例13-7:储存算法模型348

13.5.2 模型保存函数350

13.5.3 模型预测函数350

13.5.4 案例13-8:批量储存算法模型351

13.5.5 批量模型储存函数353

13.5.6 案例13-9:批量加载算法模型353

13.6 机器学习组合算法357

13.6.1 案例13-10:机器学习组合算法357

13.6.2 机器学习组合算法函数359

第14章 足彩机器学习模型构建361

14.1 数据整理361

14.1.1 案例14-1:赔率数据合成362

14.1.2 案例14-2:按年切割赔率数据365

14.1.3 案例14-3:累计切割赔率数据365

14.2 年度足彩赔率模型366

14.2.1 案例14-4:2016年度足彩赔率模型组367

14.2.2 案例14-5:年度多字段足彩赔率模型组370

14.3 累计足彩赔率模型373

14.3.1 案例14-6:累计2016足彩赔率模型组373

14.3.2 案例14-7:累计多字段足彩赔率模型组376

14.3.3 足彩算法模型文件379

第15章 足彩机器学习模型验证381

15.1 年度赔率模型验证381

15.1.1 案例15-1:年度赔率模型验证381

15.1.2 案例15-2:多字段年度赔率模型验证383

15.2 累计赔率模型验证385

15.2.1 案例15-3:累计赔率模型验证385

15.2.2 案例15-4:多字段累计赔率模型验证386

15.3 年度组合模型验证388

15.3.1 案例15-5:年度组合模型验证388

15.3.2 案例15-6:多字段年度组合模型验证391

15.3.3 案例15-7:全字段年度组合模型验证391

15.3.4 年度组合模型测试数据对比分析392

15.4 累计组合模型验证393

15.4.1 案例15-8:年度组合模型验证393

15.4.2 案例15-9:多字段年度组合模型验证394

15.4.3 累计组合模型测试数据对比分析394

第16章 结果数据分析397

16.1 神秘的df9397

16.1.1 案例16-1:调试模式397

16.1.2 神秘的df9结果数据变量400

16.2 盈利率分析402

16.2.1 案例16-2:盈利率计算402

第17章 机器学习足彩实盘分析407

17.1 回溯主入口408

17.1.1 案例17-1:策略sta01409

17.1.2 结果文件解读409

17.1.3 数据字段分析411

17.2 机器学习与回溯分析412

17.2.1 案例17-2:Log回归策略足彩分析414

17.2.2 Log回归策略函数415

17.2.3 案例17-3:30天Log回归策略足彩分析418

17.2.4 数据文件分析420

17.2.5 足彩推荐421

热门推荐