数据法则解释一下本福德法则

技术指标的使用法则有哪些

常用指标： 　　一、MACD。

　　指标说明 　　MACD指数平滑异同移动平均线为两条长、短的平滑平均线。

　　其买卖原则为： 　　1.DIFF、DEA均为正，DIFF向上突破DEA，买入信号。

　　2.DIFF、DEA均为负，DIFF向下跌破DEA，卖出信号。

　　3.DEA线与K线发生背离，行情反转信号。

　　4.分析MACD柱状线，由红变绿(正变负)，卖出信号；由绿变红，买入信号。

　　二、KDJ。

　　指标说明 　　KDJ，其综合动量观念、强弱指标及移动平均线的优点， 　　早年应用在期货投资方面，功能颇为显著，目前为股市中最常 　　被使用的指标之一。

　　买卖原则 　　1 K线由右边向下交叉D值做卖，K线由右边向上交叉D值做买。

　　2 高档连续二次向下交叉确认跌势，低挡连续二次向上交叉 　　确认涨势。

　　3 D值<20%超卖，D值>80%超买，J>100%超买，J<10%超卖。

　　4 KD值于50%左右徘徊或交叉时，无意义。

　　5 投机性太强的个股不适用。

　　6 可观察KD值同股价的背离，以确认高低点。

　　三、RSI 　　RSI指标 　　RSIS为1978年美国作者Wells WidlerJR。

所提出的交易方法之 　　一。

所谓RSI英文全名为Relative Strenth Index，中文名称 　　为相对强弱指标．RSI的基本原理是在一个正常的股市中，多 　　空买卖双方的力道必须得到均衡，股价才能稳定;而RSI是对于 　　固定期间内，股价上涨总幅度平均值占总幅度平均值的比例。

　　1 RSI值于0-100之间呈常态分配，当6日RSI值为80‰以上时， 　　股市呈超买现象，若出现M头为卖出时机;当6日RSI值在20‰以 　　下时，股市呈超卖现象，若出现W头为买进时机。

　　2 RSI一般选用6日、12日、24日作为参考基期，基期越长越有 　　趋势性(慢速RSI)，基期越短越有敏感性，(快速RSI)。

当快速 　　RSI由下往上突破慢速RSI时，为买进时机;当快速RSI由上而下 　　跌破慢速RSI时，为卖出时机。

　　四、OBV 　　该指标通过统计成交量变动的趋势来推测股价趋势。

OBV以“N” 　　字型为波动单位，并且由许许多多“N”型波构成了OBV的曲线 　　图，我们对一浪高于一浪的“N”型波，称其为“上升潮”，至 　　于上升潮中的下跌回落则称为“跌潮”（DOWN FIELD）。

OBV线 　　下降，股价上升，表示买盘无力为卖出信号，OBV线上升，股价 　　下降时，表示有买盘逢低介入，为买进信号，当OBV横向走平超 　　过三个月时，需注意随时有大行情出现。

实数的运算基本规则怎么算

有效数字运算规则 由于与误差传递有关,计算时加减法和乘除法的运算规则不太相同. 1.加减法 先按小数点后位数最少的数据保留其它各数的位数,再进行加减计算,计算结果也使小数点后保留相同的位数. 例：计算50.1+1.45+0.5812=? 修约为：50.1+1.4+0.6=52.1 先修约,结果相同而计算简捷. 例：计算 12.43+5.765+132.812=? 修约为：12.43+5.76+132.81=151.00 注意：用计数器计算后,屏幕上显示的是151,但不能直接记录,否则会影响以后的修约；应在数值后添两个0,使小数点后有两位有效数字. 2.乘除法 先按有效数字最少的数据保留其它各数,再进行乘除运算,计算结果仍保留相同有效数字. 例：计算0.0121×25.64×1.05782=? 修约为：0.0121×25.6×1.06=? 计算后结果为：0.3283456,结果仍保留为三位有效数字. 记录为：0.0121×25.6×1.06=0.328 注意：用计算器计算结果后,要按照运算规则对结果进行修约 例：计算2.5046×2.005×1.52=? 修约为：2.50×2.00×1.52=? 计算器计算结果显示为7.6,只有两位有效数字,但我们抄写时应在数字后加一个0,保留三位有效数字. 2.50×2.00×1.52=7.60

找几本在现实世界能打怪升级的小说

超级剑仙：修真类，主角杀怪得能量值升级，爆法宝，修真比任何人都简单 这个楼主看过了 封神进化：类似无限流，主角捡到一个石头，他可以从这块石头里购买各种物品和技能，还可以穿越不同的世界 数据法则：穿越异界，主角能力数据化，可具现化物品 异界成神记：主角玩游戏被电脑炸到异界，身体变成游戏里的人物，可打怪升级爆装备喝药学技能 升级星辰变：星辰变同人小说，主角穿越到了星辰变世界中，类似无限流一样升级打宝 数字人生：主角拣了个戒指,结果把整个地球都变成服务器了,自己是唯一的玩家,其他所有地球人全成了NPC 升级星辰变：这个也很不错 希望楼主满意

数据分析方法中的dot法

数据挖掘，又译为资料探勘。

它是数据库知识发现中的一个步骤。

数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。

数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。

灵玖软件NLPIR数据挖掘的方法的主要方法有一下几种： ⑴神经网络方法 神经网络由于本身良好的鲁棒性、自组织自适应性、并行处理、分布存储和高度容错等特性非常适合解决数据挖掘的问题，因此近年来越来越受到人们的关注。

典型的神经网络模型主要分3大类：以感知机、bp反向传播模型、函数型网络为代表的，用于分类、预测和模式识别的前馈式神经网络模型；以hopfield的离散模型和连续模型为代表的，分别用于联想记忆和优化计算的反馈式神经网络模型；以art模型、koholon模型为代表的，用于聚类的自组织映射方法。

神经网络方法的缺点是"黑箱"性，人们难以理解网络的学习和决策过程。

⑵遗传算法 遗传算法是一种基于生物自然选择与遗传机理的随机搜索算法，是一种仿生全局优化方法。

遗传算法具有的隐含并行性、易于和其它模型结合等性质使得它在数据挖掘中被加以应用。

遗传算法的应用还体现在与神经网络、粗集等技术的结合上。

如利用遗传算法优化神经网络结构，在不增加错误率的前提下，删除多余的连接和隐层单元；用遗传算法和bp算法结合训练神经网络，然后从网络提取规则等。

但遗传算法的算法较复杂，收敛于局部极小的较早收敛问题尚未解决。

⑶决策树方法 决策树是一种常用于预测模型的算法，它通过将大量数据有目的分类，从中找到一些有价值的，潜在的信息。

它的主要优点是描述简单，分类速度快，特别适合大规模的数据处理。

最有影响和最早的决策树方法是由quinlan提出的著名的基于信息熵的id3算法。

它的主要问题是：id3是非递增学习算法；id3决策树是单变量决策树，复杂概念的表达困难；同性间的相互关系强调不够；抗噪性差。

针对上述问题，出现了许多较好的改进算法，如 schlimmer和fisher设计了id4递增式学习算法;钟鸣，陈文伟等提出了ible算法等。

⑷粗集方法 粗集理论是一种研究不精确、不确定知识的数学工具。

粗集方法有几个优点：不需要给出额外信息；简化输入信息的表达空间；算法简单，易于操作。

粗集处理的对象是类似二维关系表的信息表。

目前成熟的关系数据库管理系统和新发展起来的数据仓库管理系统，为粗集的数据挖掘奠定了坚实的基础。

但粗集的数学基础是集合论，难以直接处理连续的属性。

而现实信息表中连续属性是普遍存在的。

因此连续属性的离散化是制约粗集理论实用化的难点。

现在国际上已经研制出来了一些基于粗集的工具应用软件，如加拿大regina大学开发的kdd-r;美国kansas大学开发的lers等。

⑸覆盖正例排斥反例方法 它是利用覆盖所有正例、排斥所有反例的思想来寻找规则。

首先在正例集合中任选一个种子，到反例集合中逐个比较。

与字段取值构成的选择子相容则舍去，相反则保留。

按此思想循环所有正例种子，将得到正例的规则(选择子的合取式)。

比较典型的算法有michalski的aq11方法、洪家荣改进的aq15方法以及他的ae5方法。

⑹统计分析方法 在数据库字段项之间存在两种关系：函数关系(能用函数公式表示的确定性关系)和相关关系(不能用函数公式表示，但仍是相关确定性关系)，对它们的分析可采用统计学方法，即利用统计学原理对数据库中的信息进行分析。

可进行常用统计(求大量数据中的最大值、最小值、总和、平均值等)、回归分析(用回归方程来表示变量间的数量关系)、相关分析(用相关系数来度量变量间的相关程度)、差异分析(从样本统计量的值得出差异来确定总体参数之间是否存在差异)等。

⑺模糊集方法 即利用模糊集合理论对实际问题进行模糊评判、模糊决策、模糊模式识别和模糊聚类分析。

系统的复杂性越高，模糊性越强，一般模糊集合理论是用隶属度来刻画模糊事物的亦此亦彼性的。

李德毅等人在传统模糊理论和概率统计的基础上，提出了定性定量不确定性转换模型--云模型，并形成了云理论。

解释一下本福德法则

任意选择一个真实的数，以十进制的形式表示，则第一位有效数字为ｄ的概率为log10[(d+1)/d]。

当D=1时，对应的概率为log10 2=0.301。

即第一位有效数字为1的概率为30.1％。

当D=2时，对应的概率为log10 （3/2）=0.1761。

即第一位有效数字为2的概率为17.6％。

这就是本福德法则！