模型训练 Mixtral-8x7b地址：魔搭社区 GitHub: hiyouga/LLaMA-Factory: Unify Efficient Fine-tuning of 100+ LLMs (github.com) 环境配置 git clone https://github.com/hiyouga/LLaMA-Factory.gitconda create -n llama_fa

统计了20100101以来的数据，以中信日K为数据来源。 计算方法： 选出每只股票 (收盘价-开盘价)/开盘价 >0.098的日期，然后往后取3天数据，如果3天内有一天能涨超0.2元，则认为打板成功。 总共打板: 52239次 胜: 43784次 胜率：84% 其中三天中每天能涨超0.2元的胜率如下： 第一天: 77% 第二天: 61% 第三天: 57%

今天在CSDN上看到一篇blog，题目为：赌徒输光问题_m0_37807187的博客-CSDN博客，说是依据网络红人李永乐老师短视频分享（李永乐：北大本科，清华硕士研究生，现在是北京人大附中知名教师）。blog原文内容如下： 原文出处: 李永乐老师的短视频分享 感谢李永乐老师！ 赌徒输光问题 假设有一种游戏是公平的, 一个赌徒A有50%的概率赢1元, 50%的概率输1元 , 假设赌徒A的本金为

上周接到一位老用户，之前为他做过数据验证，给出了组合条件下的胜率回查，结果有些难看啊。这期主要介绍常用人工智能算法中在足球预测中的应用，以及数据验证后的实际效果。 由上图为用户依据条件查证后的比赛场次和概率统计。可以看出，在均投时并不理想，在大数据回查下并没有实质作用。 上图是我提供的一种条件组合所得到的比赛场次和概率 因为一直保持联系，他平时也咨询我一些模型算法方面的用途和意义，当

交易中的胜率和盈亏比估算 1.定义 胜率是指交易者在一定时间内成功交易的次数占总交易次数的比例。例如，如果交易者在10次交易中成功了6次，那么他的胜率就是60%。 盈亏比是指交易者每笔成功交易的盈利与每笔失败交易的亏损之间的比例。例如，如果交易者每笔成功交易盈利100元，而每笔失败交易亏损50元，那么他的盈亏比就是2:1。 2.计算逻辑 假设一个交易者在100次交易中的胜率为60%，盈亏

扭转乾坤指标使用说明 行情判断 双绿线 = 多趋势双红线 = 空趋势大绿线 + 小红线 = 多震荡大红线 + 小绿线 = 空震荡 进场条件 趋势行情进场 多趋势 + 多信号 + 底金叉 = 做多空趋势 + 空信号 + 顶死叉 = 做空 震荡行情进场 多震荡 + 多信号 + 底金叉 = 做多多震荡 + 空信号 + 顶死叉 = 做空空震荡 + 多信号 + 底金叉 = 做多空震荡 + 空信号

本文将利用外服的18w场英雄联盟（LOL）比赛的数据来进行数据分析，看看如何能帮助我们提升胜率。 import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsimport warningswarnings.filterwarnings('ignore')%matpl

放到这里似乎不好，但是程序员也要理财啊！咱也不能干苦着编程啊！ 提醒大家注意身体，关注理财！ =================================================================================== 最近读了十来本投资方面的书籍，又与近来接触的对冲基金经理Jeff和一些券商经纪人的聊天相印证，不觉颇有体会，正好利用读了这本号称证券

1.当第一个选手具有发球权，如果第一个选手赢了，第一个选手得一分，如果第一个选手输了，第二个选手具有发球权，而不会得分 　　　　2.赢的人发球 　　　　3.每两球换一个人发球 　　每种情况分是否有两分拉锯战，共六种情况，其中第一种情况对发发球者有较大的优势；第二种情况有优势，但优势不大；第三种情况(赢t球胜)，当t为奇数，且有拉锯战时，两选手胜率相同。   1 #include <s

2014年的12月29日，写了个VBS脚本，计算还需要连胜多少把才能让自己的胜率提升1%： 这个脚本的地址在：http://my.oschina.net/Tsybius2014/blog/362078 结果后来连着输了几把，胜率掉了1%（汗）。正好昨天看了下QBasic，就用QBasic写段代码计算一下吧 我的编码环境为：编译器为Win32下的FreeBasic（版本1.00.0），IDE为FB