正文目录

模型训练的理论基础与技术基础 4

训练循环逻辑 5

小批量梯度下降 7

大规模数据集存储格式TFRecord 7

以交易日切割股票批数据集的合理性 9

数据洗牌Reshuffle 9

构建可微RankIC作为深度学习训练的损失函数 9

构建Pearson相关系数的损失函数 10

基于可微排序构建RankIC损失函数 10

基于Sigmoid的软排序 10

神经排序NeuralSort 11

基于TensorFlow的损失函数构建 13

以深度网络进行线性模型的优化 13

参数设定情况 13

因子聚合效果 15

总结与展望 21

风险提