{% content-ref url="shi-yan-shi-zhan-shi-gui.md" %} shi-yan-shi-zhan-shi-gui.md {% endcontent-ref %}
{% content-ref url="yu-zhou-mo-fang-hui-gui-fen-xi.md" %} yu-zhou-mo-fang-hui-gui-fen-xi.md {% endcontent-ref %}
{% content-ref url="ren-gong-zhi-neng-de-pen-jing-xiang.md" %} ren-gong-zhi-neng-de-pen-jing-xiang.md {% endcontent-ref %}
{% hint style="info" %}
.png)
我们之前所说的卓尔金历法，解决的是二维空间中的分类问题，
使用的方法是逻辑回归LR，使用的激活函数是sigmoid函数
二维空间，指的是 MVRV的60日均线，S2F月预测价格/价格的60日均线， 这两个变量，经过规整化，90%概率分布于（-1，1）后，构成的空间，
喂进去的训练数据是，经过数学处理，90%概率分布于（-1，2）的，基于（60天后的涨跌幅分布）的训练数据。
模型的预计输出结果是，（-1，2）的仓位控制策略模型，
这个模型被称为：卓尔金历法，或，二向箔。
问题已经被Excel解决，但是不具有扩展性。
我们现在这个问题属于三维空间中的，分类问题，
使用的方法是逻辑回归LR，使用的激活函数是sigmoid函数
三维空间，指的是 MVRV的60日均线，S2F月预测价格/价格的60日均线，NVT的60日均线， 这三个变量，经过规整化，90%概率分布于（-1，1）后，构成的空间，
喂进去的训练数据是，经过数学处理，90%概率分布于（-1，2）的，基于（60天后的涨跌幅分布）的训练数据。
模型的预计输出结果是，（-1，2）的仓位控制策略模型，
这个模型被称为：宇宙魔方（Tesseract）
问题的模型已经建立了，解决起来就只是时间问题了。
Anaconda (Jupyter Notebook，Jupyter Lab，Numpy，Pandas，SciPy，TensorFlow，Keras)还有matplotlib，差点忘了
TensorFlow | TensorBoard | TensorBoard.dev | Google Colab****
https://playground.tensorflow.org/****
MVRV | S2F | NVT {% endhint %}
- 【美国微软大神的数据分析课】Pandas vs Excel 🚩
- python3带你玩转excel--工作党福利--（评论区附有课件和代码）🚩
- 如何系统地学习Python 中 matplotlib, numpy, scipy, pandas？🚩
- ****机器学习之数据的偏态分布和数据的标准化🚩
- 人工智能实践：Tensorflow笔记🚩 代码
{% embed url="https://github.com/guhhhhaa/TensorAct-of-Stars" %}
{% embed url="https://nbviewer.jupyter.org/github/guhhhhaa/TensorAct-of-Stars/blob/main/TensorAct1.0.ipynb" %}
