‘壹’ 在京东买东西一直不发货怎么办
在京东买的东西，却一直不发货，消费者有权在前台发起“催单”申请，商家超时未响应催单申请，消费者有权在前台发起“赔付”申请。
根据《京东开放平台发货管理规则》关于赔付相关规定：
对于延迟发货及缺货的订单，消费者有权在前台发起“催单”申请，商家需在3小时内（工作日9:00-18:00）对消费者发起的申请进行有效的回复并联系消费者进行沟通。
如商家超时未响应催单申请，消费者有权在前台发起“赔付”申请，商家需在24小时内对赔付申请进行审核，如超期未审核，系统将会执行自动通过且完成赔付。
若因商家发货问题导致消费者发起交易纠纷申请的，京东将基于法律法规的规定、协议的约定以及消费者和商家提供的证据材料做出判断并要求商家承担相应赔付责任。
/iknow-pic.cdn.bcebos.com/d1a20cf431adcbeff84b9c5ea2af2edda3cc9f6f"target="_blank"title="点击查看大图"class="illustration_alink">/iknow-pic.cdn.bcebos.com/d1a20cf431adcbeff84b9c5ea2af2edda3cc9f6f?x-bce-process=image%2Fresize%2Cm_lfit%2Cw_600%2Ch_800%2Climit_1%2Fquality%2Cq_85%2Fformat%2Cf_auto"esrc="https://iknow-pic.cdn.bcebos.com/d1a20cf431adcbeff84b9c5ea2af2edda3cc9f6f"/>
(1)京东A股票今天价格扩展阅读
根据《京东开放平台交易超时规则》关于时效要求相关规定：
发货：交易达成后24小时内，商家应将消费者商品订单发货的快递运单号上传至京东系统并点击出库；特殊商品商家在商品页面承诺的发货时间与上述要求不同的，或与消费者有特殊约定的，适用其承诺或约定。
揽收：交易达成后48小时内消费者可以查询到订单的快递公司揽件跟踪信息。
如商家发生缺货的情形，需在消费者订单生成后24小时内电话联系消费者，需调货的，告知消费者商品的到货时间；无法调货的，需明确征得消费者同意，并与24小时内提交删单申请。
‘贰’ 股票涨了,转债还是绿的为什么
股票涨了还是绿柱说明，股票高开低走，股票当天收盘价低于开盘价，但是当天收盘价仍然比前一天收盘价高，一般称之为假阴线。比如：股票A昨天的收盘价是3.83，今天股票A高开，开盘价是3.92，今天的收盘价是3.86，这样就形成了假阴线，今天的收盘价高于前一天收盘价的，一般是当天股票走的比较疲软。
相反如果股票当天收盘价高于开盘价，但低于前一交易日收盘价时，K线会显示红色，这时形成一根假阳线。K线是由一段时间内的开盘价、收盘价、最高价和最低价得出来的，它代表的是一段时间内股票价格的涨跌情况。
总的来说，股票当天上涨却显示绿柱主要是股票收盘价和开盘价相比所形成的一种假象，主要是因为股价波动较小，这个只要大家留意昨天的收盘价、今天的开盘价以及收盘价就大概知道怎么回事了。
‘叁’ 我在京东商城买的东西，才买到货一天就降价了，可不可以退了，再买一个
如果购买京东自营商品出现这种情况，可以申请“价格保护”，挽回部分损失。
但是根据购买的商品不同，价格保护的期限也有所不同：
1、家用电器，可在签收后30天内申请价格保护；
2、IT数码、通讯、日用百货类商品，在投妥7天内申请价格保护；
3、图书商品在投妥之前申请价格保护，但是考虑到京东的配送速度比较快，这个期限也就是1天左右。
申请价格保护：
点击京东APP中的“我”→“客户服务”→“价格保护”，然后选中降价商品，点击“申请”就可以了。
/iknow-pic.cdn.bcebos.com/1f178a82b9014a901cab7e87a4773912b31bee77"target="_blank"title="点击查看大图"class="illustration_alink">/iknow-pic.cdn.bcebos.com/1f178a82b9014a901cab7e87a4773912b31bee77?x-bce-process=image%2Fresize%2Cm_lfit%2Cw_600%2Ch_800%2Climit_1%2Fquality%2Cq_85%2Fformat%2Cf_auto"esrc="https://iknow-pic.cdn.bcebos.com/1f178a82b9014a901cab7e87a4773912b31bee77"/>
拓展资料：
不享受价格保护说明
1.非京东商城网站购买的商品不支持价保；
2.无效订单不支持价保，如已申请取消或已删除的订单、已经申请售后的订单不支持价保；
3.售后返新订单、闪购订单、商采订单订单不支持价保；
4.先款订单未支付不支持价保，使用限品类东券支付的订单将扣除限品类东券支付的部分计算差价；
5.除家电、IT数码、通讯、日用百货、图书、pop自营商品之外的其他商品不支持价保，如团购/机票/彩票/充值/点卡/合约计划/海外订购/第三方商品等；
6、申请价保时，商品无货、正在参与秒杀、限购的商品不支持价保；
7.套装与商品本身为赠品的商品、生鲜实物类商品不支持价保；
8.超过价保周期或商品价格未发生变化的不支持价保；
9.订单”等待打印“状态之前、订单锁定状态系统不支持价保；
10.其他网页有特殊说明的商品不支持价保；
11.购买前无赠品，购买后有赠品，商品本身未降价，不支持价保，含赠品商品申请价保时需扣除赠品金额。
‘肆’ 通达信火焰山筹码分布中的白色是什么意思股票高手请进满意再加分！
表示这个股票是平盘，股票的价格既不是绿色的也不是红色的，即没上涨，也没下跌，跟昨天的收盘价格一致。
如果将远期移动成本分布的最小参数设为5，那么，白色显示的就是当日移动成本分布与5日前移动成本分布的差，就是由最近5天内的交易产生的筹码分布的变化部分。（同理，如果远期移动成本分布的最小参数为10，也用同样方法解释）。
成本分布设置：
历史换手衰减系数是一个常数参数，用来赋予今天换手率，就是当日被移动的成本的权重。如果今天的换手率是A，衰减系数是n，那么我们计算昨日的被移动的筹码的总量是A＊n，如果n取值为1。
就是一般意义上理解的今天换手多少，就有多少筹码被从作日的成本分布中被搬移；如果n是2，那么我们就放大了昨日被移动的筹码的总量。
这样的目的在于突出“离现在越近的筹码分布其含义越明显”。n的取值范围是0．1－10，火焰山和活跃度最多可以同时显示6种不同时间的筹码分布。
所以，筹码分布是根据一定算法计算出来的，而非客观现实存在的分布情况。参数设置不同，所看到的筹码分布状态也差异很大。
同一类别的每一份股票所代表的公司所有权是相等的。每个股东所拥有的公司所有权份额的大小，取决于其持有的股票数量占公司总股本的比重。
股票是股份公司资本的构成部分，可以转让、买卖或作价抵押，是资本市场的主要长期信用工具，但不能要求公司返还其出资。
(4)京东A股票今天价格扩展阅读
成本分布设置：
历史换手衰减系数：它是一个常数参数，我们用来赋予今天换手率，就是当日被移动的成本的权重。如果今天的换手率是A，衰减系数是n，那么我们计算昨日的被移动的筹码的总量是An。
如果n取值为1，就是一般意义上理解的今天换手多少，就有多少筹码被从作日的成本分布中被搬移；如果n是2，那么我们就放大了昨日被移动的筹码的总量。
这样的目的在于突出离现在越近的筹码分布其含义越明显。n的取值范围是0．1－10，火焰山和活跃度最多可以同时显示6种不同时间的筹码分布。
所以，筹码分布是根据一定算法计算出来的，而非客观现实存在的分布情况。参数设置不同，所看到的筹码分布状态也差异很大。
‘伍’ 如何投资股票
1、储蓄。2、读书。3、思考。4、练习。5、在一家低收费经纪商开一个股票交易账户。6、买10-50只股票的小组合。7、长期持有，至少5-10年，最好永久持有。8、坚持持有盈利的股票而不要在没有好的理由的情况下追加亏损的股票。9、避免股票交易。10、定期并系统地投资。11、如果股票有显着的升值，至少50%到300%，考虑卖掉一部分股票，基于股票的品质。12、如果有需要，向一位声誉良好的经纪人，银行家，或者投资顾问咨询。每个人都想拥有经济保证。如果你有房产，你的房子可能就是你早期最大的"资产"，但是你会需要在里面生活余下的一生。你是希望拥有经济保证的退休生活还是在南太平洋上买栋度假的房子？如果你计划能舒适地退休就必需投资你的储蓄。
1、储蓄。在你能投资之前，你需要钱。在你拥有稳定工作并储蓄了能负担6到12个月的生活成本的紧急资金之前不要开始投资。以免你丢掉工作。学习如何明智地做预算并花掉挣得的钱。大部分投资者要很小心地不要花掉任何利润，并要留一些以备未来之需，退休，以及紧急用途。要准备好始终生活在需求以内甚至以下而不是超过生活所需。这会帮你确保有足够的钱。
2、读书。在你开始投资以前，你需要对股票是什么，投资是什么意思，还有如何评估股票有基本的了解。找些关于股票投资的基础书籍。争取去读你能找到的每本关于投资的书。这里有些对于所有认真的投资者最好的书和资源：本杰明·格雷厄姆着的聪明的投资者 。找到这个的音频CD，听几遍，就会明白很多了。尤其注意第八章（市场波动）和第20章（安全边际）。
本杰明·格雷厄姆和斯宾塞·b·梅瑞迪斯着的财务报表解读 。这是关于看懂财务报表的短小而精辟的专着。
本杰明·格雷厄姆和戴维·多德着的股票分析。这本书被当成是 投资圣经并会告诉你如何全面地分析公司财务。你不能不看它。现在就拿到这本书，并掌握里面的一切。虽然这样说，但由于它的年份（出版于1934年，刚刚经历了股票市场崩盘），这本书缺少一些当代的内容；特别是，它没有教你现金流报表方面的内容。
期望投资, 阿尔佛雷德·拉帕波特，迈克尔 J. 莫布森着。这本可读性很强的书籍对于股票分析提供了新的观点，并是格雷厄姆的书的很好补充。
菲利浦·费雪 的普通股与不普通的收益(以及其他着作)。沃伦·巴菲特曾说过他是85%的格雷厄姆和15%的费雪，而这可能低估了费雪对于形成他的投资风格上的影响力。
选股战略 和打败华尔街, 都由彼得·林奇而着。这两本都容易读懂，信息多并且有有意思。
沃伦·巴菲特的着作，沃伦·巴菲特每年对股东信件的合集。沃伦·巴菲特通过投资获得了他所有的财富，并且对于现实中想要投资的人们有很多很有用的建议。沃伦·巴菲特已经提供了在线免费阅读这些：http://www.berkshirehathaway.com/letters/letters.html.
如果你还有些时间，你还应该看看巴菲特早期在1956到1969年间写给合伙人的信件；这些可以（例如）在这里找到http://www.ticonline.com/buffett.partner.letters.html.
巴菲特学, 新巴菲特学 和 巴菲特之道, 全部由巴菲特和大卫·克拉克着成。这些是关于沃伦·巴菲特投资方法的基本着作。新巴菲特学可以买到音频CD。
想要更好地看看沃伦·巴菲特的传记，可以读 巴菲特: 美国资本家的诞生 。这本书会告诉你巴菲特如何在多年中形成他的投资风格，还有他是什么样的人。
优秀投资者的秘密代码, 作者詹姆斯·K·格拉。这是关于买入以及持有重要性的很高论着。
莫特利·富尔和大亨报告，都是很好的网络出版物。
Wikinvest.com 网址： http://www.wikinvest.com 是找到关于公司和市场概念信息的好地方。这对投资信息来源进行尽职调查也很有用。查看股票表现和网站、简报、以及博客的建议。一个进行研究的资源是网站 Greedreviews.com (http://www.greedreviews.com)。
3、思考。沃伦巴菲特说过在你思考后，再想一想。沃伦巴菲特说如果他无法在一张纸上写满买一只股票的原因，那么他就 不会去买。
4、练习。在用真正的钱进行交易之前，先在纸上交易股票。在纸上记录下你的股票交易，跟踪交易的数据，股票数量，股价，盈利或损失，包括佣金，税收和红利，以及你需要为每笔交易支付的短期或长期的资本利得税。这对于记录作出每次买卖决定的原因也有帮助。在一定时期内（1年或更久）计算你的除去佣金和税收的盈利或损失，并与市场指数进行比较，像是 S&P 500。在你对于自己的交易能力有信心之前不要用真实的钱去开始交易。
5、在一家低收费经纪商开一个股票交易账户。这里无法给你具体的推荐，因为股票交易界是一个变化很快的领域。尝试与犯错可能是发现一家好的经纪商的唯一方式，但是你应该通过查看他们的网站并看在线评论来尽自己的努力。这里需要考虑的最重要的因素是成本，也就是，会收多少佣金，而有什么其他费用。低收费经纪商通常对于每笔交易的收费要少于10美元，有的低至每笔交易1美元，还有一些每年提供限定数量的免费交易，只要你能达到某些标准。除了成本，你也要考虑是否提供红利再投资（这是建立你自己仓位最好的途径），提供了哪些分析工具，客户服务，等等。
6、买10-50只股票的小组合。蓝筹股是引领市场的公司股票，被认为是有品质，安全，在市场好坏时期都有盈利能力的股票，尽管他们通常股价较高，除了在严重的熊市以外很难以划算的价格买到。 选择那些有盈利记录，并在过去15-20年中每年都多少发些红利的公司，并在过去10年至少有30%的增长率（用3年平均数来消除波动，例如，2008-2010年的平均增长率与1998-2000年的平均增长率相比较），低的资产负债率(低于 1), 和较高的利息偿付率（至少5）。市场更进不同的价值投资网站，像是 Motley Fool 或者 Fallen Angel Stocks 来看有什么样的交易。
如果你没有时间或兴趣来了解个股，始终买入并持有免佣金，低成本的指数基金,并用美元成本平均策略就是最好的，并优于大部分共管基金的表现，尤其是在长期来看。这种指数基金的成本最低而回报最好。对于投资金额小于100000美元的投资者来说，指数基金通常是最好的。 但是， 如果你的投资金额超过$100,000, 个股比起共管基金来说更加有利，因为所有的基金都根据资产的大小按比例收费。即便是费用最低的指数基金，Vanguard股票市场指数基金(VTI),也有0.07% 的年费率。对于$10,000的组合来说，10年的费率只有700美元，但是, 对于$100,000 的投资来说，10年的费用就有7000美元。如果这费率是1.5%（对于普通共管基金的常见费率值），这费用对于 $100,000的投资就可能高达$15,000，而对于$1,000,000 的投资，十年的费率则多达 $150,000。看看决定是买股票还是共管基金来了解更多的信息，看看是个股还是共管基金更适合你。
7、长期持有，至少5-10年，最好永久持有。避免在市场不好的日子、月份甚至年份里想要卖掉股票的冲动。另一方面，避免在你的股票涨了50%，100%，200%，或者更多的时候提取利润的冲动。只要基础面仍然坚实，就不要卖。只是要请确定用你5年中甚至更久时间不需要的钱来进行投资。但是，如果股价确实大大高过了它的价值也应该卖掉（看下面），或者如果自买入以后基本面已经明显改变了，而这家公司不可能再有更多盈利了。
8、坚持持有盈利的股票而不要在没有好的理由的情况下追加亏损的股票。彼得林奇说过如果你有一座花园而你每天给野草浇水并摘走花朵，那么一年后你就这有野草了。彼得林奇说他在华尔街13年中是最好的交易员因为他摘走野草并给花浇水。
9、避免股票交易。做你自己的调查并不要寻找过注意任何股票建议，甚至是来自内部人士的。沃伦巴菲特说他扔掉所有寄给他推荐一个或另一个股票的信件。他说这些销售人员是被付薪水来说这支股票的好话的，这样公司能通过把股票倾销给没有洞察力的投资人而揽钱。同样，不要看CNBC或注意任何电视，电台，或者网络上对于股票市场的评论。集中注意力在长期投资上，20年，30年，50年，甚至更久，并不要被市场的短期波动分散注意力。
10、定期并系统地投资。平均成本法让你去低买高卖是一个简单，坚实的策略。每个月拿出工资的一部分去买股票。并且记住熊市是适合买入的。如果股票市场跌了20%甚至更多，就把更多现金投入股市，如果股票市场下跌了超过50%，就把所有可用的流动资金和债券投入股市。股票市场总会反弹回来的，即便是在1929-1932年的大崩盘之后。
11、如果股票有显着的升值，至少50%到300%，考虑卖掉一部分股票，基于股票的品质。对于好的股票升值的期待要提得更高。只要股票仍然表现好，就一直持有你的股票，这样能增加你长期成功的机会。沃伦巴菲特说你应该永远持有表现好的股票，但是如果价格升得太高了（高于100显然是太高了），你就应该考虑卖掉股票了。
12、如果有需要，向一位声誉良好的经纪人，银行家，或者投资顾问咨询。永远不要停止学习，并继续尽可能地读更多由在你感兴趣的市场中有成功投资经验的专家写的书和文章。你也会想去读能在情绪和心理层面对于投资有帮助的书籍，来帮你面对股票市场的起起伏伏。知道如何在投资股票的时候最初最明智的选择是很重要的，而即便你确实做出了最明智的选择，要知道当损失发生时如何面对也是很重要的。
小提示有响亮的品牌名称的公司是个好选择。可口可乐，强森，保洁，3M,和艾克森石油公司
都是很好的例子。
知道'为什么' 以上的蓝筹公司会成为好的投资--它们的品质是建立在此前连续的收益和盈利增长上的。通过在其他人之前找到这样的公司，你就能从投资中获得更大的收益。学习做一个'从底部买入' 的投资者。
投资那些以股东利益为核心的公司。大部分公司更愿意把他们的利润花在一架新的私人飞机上或者是CEO身上而不是分发红利。高于15%的股权收益（常见数据），2%的红利和大额现金储备是以股东利益为核心的公司体现。
争取以暂时较低的价格买入高品质的股票。这是价值投资的本质。看看 http://seekingalpha.com/article/316476-10-safe-dividend-stocks-for-2012 来找到以低价卖出的高品质股票的例子。
一支股票的股价与股票是便宜还是贵并没有关系。查看 Motley Fool, Better Investing和其他的“价值投资者”团体来获得判断一支股票合理价值的建议（通常以分析方式来探讨）。
像微软和沃尔玛这样的垄断型公司是很好的投资品，如果你能在合适的价格买到。
另外,如果你有时间和精力来研究市场和它每天的变动，考虑了解如何交易期权，期货，商品期货。 外汇，优先股，或者债券。但是，要谨慎，这些替代的投资选择有更大的风险并相较于普通股来说收益明显要少一些。
你的财务顾问 /经纪商的目标是留住你这个客户，这样他们能继续在你身上赚到钱。他们告诉你投资要多样化，因此你的投资组合会跟随道指和标普500.。这样，在价值下跌时他们总能找到理由。通常经纪商 /顾问对于经济走向的了解很少。沃伦巴菲特有句着名的话是“风险是为那些不知道自己在做什么的人准备的。”
买进那些没有竞争者或者竞争对手很少的公司。航运公司，零售商店和汽车制造商通常被认为不是好的长期投资品因为他们所在的行业竞争激烈，这从他们的损益表中较低的利润边际可以看出。通常，避开季节性或受趋势影响的行业，像是零售业，以及受规制的行业，像是公共事业和航空业，除非他们在长期表现出连续的盈利和收入增长。很少能做到。
每个月不要超过一次看你的股票账户的价值。如果你收到华尔街情绪的影响，这只会让你想要卖掉一次也许很棒的投资。在你买股票之前，问问自己，“如果这只股票下跌了，我是想卖掉还是想要买进更多？”
开立一个Roth IRA或者401K账户。在长期你可以省下上十万美金的税金。
总是问，你能赚钱吗？买入并长期持有是从股票市场中获得最大收益的最好方式。
试着不要将自己限制于任何特定类型的公司。要知道公司在某种意义上是在'黑盒子'里产生收益和利润--通过能够在表面观察以外评估公司--用Morningstar.com 的"5年重列"财务能帮到你--你将能够发现你没听说过，别人也没听说过的公司--但仍然值得你的关注。
买那些利润高的产业的公司。寻找利润边际高于10百分点的公司。媒体和饮料就是典型的例子。
记住你不是在交易几张价值会升会将的纸。你在买公司的股份。生意运行的健康与否，是否盈利和你要付的价钱是唯一两个应该影响你决策的因素。（另外，也许，公司的社会责任也要考虑。）
当大市场下跌到多年来的低位时，买入周期性的股票，然后在市场恢复并处于历史高点的时候卖出。这对于业余投资者来说或许很难掌握。
如果你真的不知道自己在做什么，就投资与标普500或者威尔夏5000指数绑定的指数基金。他们与其他基金相比收费很低因为他们不需要做任何研究。
华尔街关注短期市场。这好似因为对于未来的收益很难估计，尤其是很远的未来。大部分分析项目在5-10年时间能盈利并用现金流来分析目标价格。你只有长期持有股票多年才能打败市场。
警告不要盲目地喂狗，就是说，买进那些收益最低而貌似很便宜的股票。大部分便宜的股票都是有原因的，就意味一支股票的交易价格曾在100美元以上，而现在是1美元并 不意味着它不可能跌到更低。所有的股票价值都有可能跌倒0，而你就会损失100%的资金。总是在投资任何东西前先做调查。.
不要陷入内部交易。如果你在信息公布之前，利用内部信息来做股票交易，你可能会面临起诉。不管你有可能赚多少钱，对于你可能惹来的法律麻烦来说都微不足道。
不要试图推测市场，猜测什么时候股价到底部或者顶部了。没有人，除了骗子，能预测市场。这是容易上当的人的游戏。
坚持股票投资，并远离期权和衍生品，这些是投机，而不是投资。你更有可能在股市做得好，但在期权和衍生品市场你更有可能会损失资金。
说道钱，人们会撒谎来保留尊严。当有人给你什么建议，记得这只是一个选择。
不要盲目地相信任何人的投资建议，尤其是那些能通过你的买进和/或卖出赚钱的人（这包括经纪商，顾问和分析师）。
只把你能承受损失并在至少15-20年中不需要的钱投资在股票上。股票可能在短期内大幅下跌，但是从长期看它们比其他任何投资选择表现都要好。如果你想把你短期需要的钱用来投资(在5年内或更短），考虑换成债券吧。
不要以保证金的形式买股票。股票可能瞬息万变，而用杠杆可能会让你出局。你不希望用保证金来买股票，看着股票下跌50百分点，然后出局，然后再反弹回来并赚一点。用保证金买股票不是投资，是投机。
不要毁了短期利益每天交易股票。记住，你交易得越频繁，就产生越多的佣金，并会减少你的任何盈利。同样，短期的收益比起长期（多余1年）会收更多的税。
避免“顺势投资”，就是买入近期最热门，走向最好的股票。这是纯投机而不是投资，并且没有用。只要问问任何在1990年后期试买过最热门的科技股的人就知道了。
‘陆’ 股票价格越高的股利理论是什么
股利政策是决定如何将公司税后利润合理地分配给现有股东和增加公司留存收益的盈利分配政策。以下是小编精心整理的股利政策的理论依据的相关资料，希望对你有帮助!股利政策的理论依据
股利政策定义股利政策是指公司股东大会或董事会对一切与股利有关的事项，所采取的具有原则性的做法，是关于公司是否发放股利、发放多少股利以及何时发放股利等方面的方针和策略，所涉及的主要是公司对其收益进行分配还是留存以用于再投资的策略问题。
它有狭义和广义之分。从狭义方面来说的股利政策就是指探过保留盈余和普通股股利支付的比例关系问题，即股利发放比率的确定。而广义的股利政策则包括:股利宣布日A确定、股利发放比例的确定、股利发放时的资金筹集等问题。
二、股利政策理论对比分析
20世纪六七十年代，西方学术界对股利政策的研究主要集中于股利政策与公司股价的市场反应之间的关系，代表观点有Miller和Modialian的股利无关论、“一鸟在手”理论，以及税差理论。20世纪八十年代，股利政策研究售点集中于股利政策为何会引起股票价格的变化，代表理论有信号传递理论、股利代理理论等。以MM理论为起点众多学者对股利政策进行了长期、大量的研究。股利无关论是建立在完全市场理论之上的，也被称为完全市场理论，与实际情况有很大距离。
‘柒’ 京东a+换电池好慢
京东a+换电池好慢有以下两个原因。
1、拆换电池需要很细致的拆解重装，持续时间会长一些。
2、有的零件需要现配现取，路程上会花费时间较长。
‘捌’ 明年一月股票价格属于逻辑回归问题吗
是的，明年一月股票价格属于逻辑回归问题。逻辑回归这个模型很神奇，虽然它的本质也是回归，但是它是一个分类模型，并且它的名字当中又包含”回归“两个字，未免让人觉得莫名其妙。
如果是初学者，觉得头晕是正常的，没关系，让我们一点点捋清楚。
让我们先回到线性回归，我们都知道，线性回归当中 y = WX + b。我们通过W和b可以求出X对应的y，这里的y是一个连续值，是回归模型对吧。但如果我们希望这个模型来做分类呢，应该怎么办？很容易想到，我们可以人为地设置阈值对吧，比如我们规定y > 0最后的分类是1，y < 0最后的分类是0。从表面上来看，这当然是可以的，但实际上这样操作会有很多问题。
最大的问题在于如果我们简单地设计一个阈值来做判断，那么会导致最后的y是一个分段函数，而分段函数不连续，使得我们没有办法对它求梯度，为了解决这个问题，我们得找到一个平滑的函数使得既可以用来做分类，又可以解决梯度的问题。
很快，信息学家们找到了这样一个函数，它就是Sigmoid函数，它的表达式是：
.png
它的函数图像如下：
.png
可以看到，sigmoid函数在x=0处取值0.5，在正无穷处极限是1，在负无穷处极限是0，并且函数连续，处处可导。sigmoid的函数值的取值范围是0-1，非常适合用来反映一个事物发生的概率。我们认为
σ(x) 表示x发生的概率，那么x不发生的概率就是 1 - σ(x) 。我们把发生和不发生看成是两个类别，那么sigmoid函数就转化成了分类函数，如果 σ(x) > 0.5 表示类别1，否则表示类别0.
到这里就很简单了，通过线性回归我们可以得到
.png
也就是说我们在线性回归模型的外面套了一层sigmoid函数，我们通过计算出不同的y，从而获得不同的概率，最后得到不同的分类结果。
损失函数
下面的推导全程高能，我相信你们看完会三连的(点赞、转发、关注)。
让我们开始吧，我们先来确定一下符号，为了区分，我们把训练样本当中的真实分类命名为y，y的矩阵写成 Y 。同样，单条样本写成 x , x 的矩阵写成 X。单条预测的结果写成 y_hat，所有的预测结果写成Y_hat。
对于单条样本来说，y有两个取值，可能是1，也可能是0，1和0代表两个不同的分类。我们希望 y = 1 的时候，y_hat 尽量大， y = 0 时， 1 - y_hat 尽量大，也就是 y_hat 尽量小，因为它取值在0-1之间。我们用一个式子来统一这两种情况：
.png
我们代入一下，y = 0 时前项为1，表达式就只剩下后项，同理，y = 1 时，后项为1，只剩下前项。所以这个式子就可以表示预测准确的概率，我们希望这个概率尽量大。显然，P(y|x) > 0，所以我们可以对它求对数，因为log函数是单调的。所以 P(y|x) 取最值时的取值，就是 log P(y|x) 取最值的取值。
.png
我们期望这个值最大，也就是期望它的相反数最小，我们令
.png
这样就得到了它的损失函数：
.png
如果知道交叉熵这个概念的同学，会发现这个损失函数的表达式其实就是交叉熵。交叉熵是用来衡量两个概率分布之间的”距离“，交叉熵越小说明两个概率分布越接近，所以经常被用来当做分类模型的损失函数。关于交叉熵的概念我们这里不多赘述，会在之后文章当中详细介绍。我们随手推导的损失函数刚好就是交叉熵，这并不是巧合，其实底层是有一套信息论的数学逻辑支撑的，我们不多做延伸，感兴趣的同学可以了解一下。
硬核推导
损失函数有了，接下来就是求梯度来实现梯度下降了。
这个函数看起来非常复杂，要对它直接求偏导算梯度过于硬核(危)，如果是许久不碰高数的同学直接肝不亚于硬抗苇名一心。
.png
为了简化难度，我们先来做一些准备工作。首先，我们先来看下σ 函数，它本身的形式很复杂，我们先把它的导数搞定。
.png
因为 y_hat = σ(θX) ，我们将它带入损失函数，可以得到，其中σ(θX)简写成σ(θ) ：
.png
接着我们求 J(θ) 对 θ 的偏导，这里要代入上面对 σ(x) 求导的结论：
.png
代码实战
梯度的公式都推出来了，离写代码实现还远吗？
不过巧妇难为无米之炊，在我们撸模型之前，我们先试着造一批数据。
我们选择生活中一个很简单的场景——考试。假设每个学生需要参加两门考试，两门考试的成绩相加得到最终成绩，我们有一批学生是否合格的数据。希望设计一个逻辑回归模型，帮助我们直接计算学生是否合格。
为了防止sigmoid函数产生偏差，我们把每门课的成绩缩放到(0, 1)的区间内。两门课成绩相加超过140分就认为总体及格。
.png
这样得到的训练数据有两个特征，分别是学生两门课的成绩，还有一个偏移量1，用来记录常数的偏移量。
接着，根据上文当中的公式，我们不难(真的不难)实现sigmoid以及梯度下降的函数。
.png
这段函数实现的是批量梯度下降，对Numpy熟悉的同学可以看得出来，这就是在直接套公式。
最后，我们把数据集以及逻辑回归的分割线绘制出来。
.png
最后得到的结果如下：
.png
随机梯度下降版本
可以发现，经过了1万次的迭代，我们得到的模型已经可以正确识别所有的样本了。
我们刚刚实现的是全量梯度下降算法，我们还可以利用随机梯度下降来进行优化。优化也非常简单，我们计算梯度的时候不再是针对全量的数据，而是从数据集中选择一条进行梯度计算。
基本上可以复用梯度下降的代码，只需要对样本选取的部分加入优化。
.png
我们设置迭代次数为2000，最后得到的分隔图像结果如下：
.png
当然上面的代码并不完美，只是一个简单的demo，还有很多改进和优化的空间。只是作为一个例子，让大家直观感受一下：其实自己亲手写模型并不难，公式的推导也很有意思。这也是为什么我会设置高数专题的原因。CS的很多知识也是想通的，在学习的过程当中灵感迸发旁征博引真的是非常有乐趣的事情，希望大家也都能找到自己的乐趣。
今天的文章就是这些，如果觉得有所收获，请顺手点个关注或者转发吧，你们的举手之劳对我来说很重要。
相关资源：【原创】R语言对二分连续变量进行逻辑回归数据分析报告论文(代码...
文章知识点与官方知识档案匹配
算法技能树首页概览
33030 人正在系统学习中
打开CSDN，阅读体验更佳
VGG论文笔记及代码_麻花地的博客_vgg论文
VGG论文笔记及代码 VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION 牛津大学视觉组(VGG)官方网站:https://www.robots.ox.ac.uk/~vgg/ Abstract 在这项工作中,我们研究了在大规模图像识别环境中卷积网络深度对其...
...MNIST研究》论文和Python代码_通信与逆向那些事的博客_机器...
1、逻辑回归算法 逻辑回归(Logistic Regression),与它的名字恰恰相反,它是一个分类器而非回归方法,在一些文献里它也被称为logit回归、最大熵分类器(MaxEnt)、对数线性分类器等。 使用sklearn.linear_model中的LogisticRegression方法来训练...
两个重要极限的推导
两个重要极限 （1） limθ→0sinθθ=1 （θ为弧度） \underset{\theta \rightarrow 0}{\lim}\frac{\sin \theta}{\theta}=1\ \ \text{（}\theta \text{为弧度）} θ→0limθsinθ=1 （θ为弧度） （2） limx→∞(1+1x)x=e \underset{x\rightarrow \infty}{\lim}\left( 1+\frac{1}{x} \ri
继续访问
两个重要极限及其推导过程
一、 证明：由上图可知， 即 二、 证明：首先证明此极限存在 构造数列 而对于n+1 ...
继续访问
...是多项式回归】Jeff Dean等论文发现逻辑回归和深度学习一样好_qq...
其中,基线 aEWS(augmented Early Warning Score)是一个有 28 个因子的逻辑回归模型,在论文作者对预测患者死亡率的传统方法 EWS 进行的扩展。而 Full feature simple baseline 则是 Uri Shalit 说的标准化逻辑回归。 注意到基线模型(红...
数学模型——Logistic回归模型(含Matlab代码)_苏三有春的博客...
Logistic回归模型是一种非常常见的统计回归模型,在处理大量数据,揭示各自变量如何作用于因变量(描述X与Y之间的关系)时有着十分重要的作用。笔者在写Logit回归模型前参加了一次市场调研比赛,在这次比赛中学到了很多东西,同时发现,许多优秀获...
《神经网络设计》第二章中传递函数
import math #硬极限函数 def hardlim(data): if data < 0: a = 0 else: a = 1 print("fun:hardlim,result:%f"%a) #对称硬极限函数 def hardlims(data): if data < 0: a = -1 e
继续访问
两个重要极限定理推导
两个重要极限定理： limx→0sinxx=1(1) \lim_{x \rightarrow 0} \frac{\sin x}{x} = 1 \tag{1} x→0limxsinx=1(1) 和 limx→∞(1+1x)x=e(2) \lim_{x \rightarrow \infty} (1 + \frac{1}{x})^x = e \tag{2} x→∞lim(1+x1)x=e(2) 引理(夹逼定理) 定义一： 如果数列 {Xn}\lbrace X_n \rbrace{Xn}，{Yn}
继续访问
【原创】R语言对二分连续变量进行逻辑回归数据分析报告论文(代码...
【原创】R语言对二分连续变量进行逻辑回归数据分析报告论文(代码数据).docx资源推荐 资源评论 鲸鱼算法(WOA)优化变分模态分解(VMD)参数python 5星 · 资源好评率100% 1.python程序 2.有数据集,可直接运行 matlab批量读取excel表格数据...
机器学习--逻辑回归_科技论文精讲的博客
机器学习-逻辑回归分析(Python) 02-24 回归和分类方法是机器学习中经常用到的方法区分回归问题和分类问题:回归问题:输入变量和输出变量均为连续变量的问题;分类问题:输出变量为有限个离散变量的问题。因此分类及回归分别为研究这两类问题...
常见函数极限
limx→0sinx=1\lim_{x\to 0}\frac{\sin}{x}=1x→0limxsin=1 limx→∞(1+1x)x=e\lim_{x\to \infty}(1+\frac{1}{x})^x=ex→∞lim(1+x1)x=e limα→0(1+α)1α=e\lim_{\alpha\to 0}(1+\alpha)^\frac{1}{\alpha}=eα→0lim(...
继续访问
逻辑回归原理及代码实现
公式自变量取值为任意实数，值域[0,1]解释将任意的输入映射到了[0,1]区间，我们在线性回归中可以得到一个预测值，再将该值映射到Sigmoid函数中这样就完成了由值到概率的转换，也就是分类任务预测函数其中，分类任务整合解释对于二分类任务（0，1），整合后y取0只保留，y取1只保留似然函数对数似然此时应用梯度上升求最大值，引入转换为梯度下降任务求导过程参数更新多分类的softmax。............
继续访问
python手写数字识别论文_Python利用逻辑回归模型解决MNIST手写数字识别问...
本文实例讲述了Python利用逻辑回归模型解决MNIST手写数字识别问题。分享给大家供大家参考,具体如下: 1、MNIST手写识别问题 MNIST手写数字识别问题:输入黑白的手写阿拉伯数字,通过机器学习判断输入的是几。可以通过TensorFLow下载MNIST手写数据集,...
逻辑回归问题整理_暮雨林钟的博客
逻辑回归问题整理 之前只是简单的接触过逻辑回归,今天针对于最近看论文的疑惑做一个整理; 逻辑回归与极大似然的关系: 逻辑回归的提出主要是在线性问题下为分类问题而提出的; 简单来说,针对于一个二分类问题,我们需要将线性函数映射为一...
机器学习算法-逻辑回归（一）：基于逻辑回归的分类预测（代码附详细注释）
1 逻辑回归的介绍和应用 1.1 逻辑回归的介绍 逻辑回归（Logistic regression，简称LR）虽然其中带有"回归"两个字，但逻辑回归其实是一个分类模型，并且广泛应用于各个领域之中。虽然现在深度学习相对于这些传统方法更为火热，但实则这些传统方法由于其独特的优势依然广泛应用于各个领域中。 而对于逻辑回归而且，最为突出的两点就是其模型简单和模型的可解释性强。 逻辑回归模型的优劣势: 优点：实现简单，易于理解和实现；计算代价不高，速度很快，存储资源低； 缺点：容易欠拟合，分类精度可能不高 1.2
继续访问
逻辑回归：原理+代码
（作者：陈玓玏） 逻辑回归算是传统机器学习中最简单的模型了，它的基础是线性回归，为了弄明白逻辑回归，我们先来看线性回归。 一、线性回归 假设共N个样本，每个样本有M个特征，这样就产生了一个N*M大小的样本矩阵。令矩阵为X，第i个样本为Xi，第i个样本的第j个特征为Xij。令样本的观测向量为Y，第i个样本的观测值为Yi，那么就会有以下公式： （X+[1]N*1）*W = Y 也就是说，...
继续访问
浅谈逻辑回归_jzhx107的博客
LMSE回归的回归平面受左上角两个绿色样本的影响而向上倾斜。 支持向量机的分离平面只由两个支持向量决定。 另外我们看到,在本例中逻辑回归和支持向量机得到的分离平面很接近,但是支持向量机的推导和训练过程要比逻辑回归复杂很多。所以加州...
论文研究-基于HBase的多分类逻辑回归算法研究.pdf_多分类逻辑回归...
论文研究-基于HBase的多分类逻辑回归算法研究.pdf,为解决在大数据环境下,用于训练多分类逻辑回归模型的数据集可能会超过执行计算的客户端内存的问题,提出了块批量梯度下降算法,用于计算回归模型的系数。将训练数据集存入HBase后,通过设置表...
【机器学习】 逻辑回归原理及代码
大家好，我是机器侠~1 Linear Regression（线性回归）在了解逻辑回归之前，我们先简单介绍一下Linear Regression（线性回归）。线性回归是利用连续性的变量来预估实际数值（比如房价），通过找出自变量与因变量之间的线性关系，确定一条最佳直线，称之为回归线。并且，我们将这个回归关系表示为2 Logistic Regression（...
继续访问
最新发布 【大道至简】机器学习算法之逻辑回归(Logistic Regression)详解(附代码)---非常通俗易懂！
逻辑回归详细推导，附github代码
继续访问
第二重要极限公式推导过程_机器学习——一文详解逻辑回归“附详细推导和代码”...
在之前的文章当中，我们推导了线性回归的公式，线性回归本质是线性函数，模型的原理不难，核心是求解模型参数的过程。通过对线性回归的推导和学习，我们基本上了解了机器学习模型学习的过程，这是机器学习的精髓，要比单个模型的原理重要得多。新关注和有所遗忘的同学可以点击下方的链接回顾一下之前的线性回归和梯度下降的内容。讲透机器学习中的梯度下降机器学习基础——线性回归公式推导(附代码和演示图)回归与分类在机器学习...
继续访问
机器学习之逻辑回归，代码实现（附带sklearn代码，小白版）
用小白的角度解释逻辑回归，并且附带代码实现
继续访问
热门推荐 两个重要极限及相关推导极限
两个重要极限： ①limx→0sinxx=1\lim_{x \to 0}\frac{\sin x}{x} = 1 ②limx→∞(1+1x)x=e\lim_{x \to \infty}(1 + \frac{1}{x})^x = e 关于重要极限①的推导极限可以参考： 无穷小的等价代换 由重要极限②可以推导出： limx→∞(1+1x)x⇒limx→0(1+x)1x=e\lim_{x \t
继续访问
（一）机器学习——逻辑回归（附完整代码和数据集）
什么是逻辑回归？ 首先逻辑回归是一种分类算法。逻辑回归算法和预测类算法中的线性回归算法有一定的类似性。简单来讲，逻辑回归，就是通过回归的方法来进行分类，而不是进行预测，比如预测房价等。 逻辑回归解决的问题 先看下面的图，已知平面上分布的红点和蓝点，逻辑回归算法就是解决怎么根据一系列点，计算出一条直线（或者是平面）将平面上的点分成两类，一般的解决方法就是建立一个数学模型，然后通过迭代优化得到一个最优...
继续访问
机器学习：逻辑回归及其代码实现
一、逻辑回归（logistic regression）介绍 逻辑回归，又称为对数几率回归，虽然它名字里面有回归二字，但是它并不像线性回归一样用来预测数值型数据，相反，它一般用来解决分类任务，特别是二分类任务。 本质上，它是一个percetron再加上一个sigmoid激活函数，如下所示： 然后逻辑回归采用的损失函数是交叉熵： ...
继续访问
逻辑回归，原理及代码实现
Ⅰ.逻辑回归概述： 逻辑回归（LR,Logistic Regression）是传统机器学习中的一种分类模型，它属于一种在线学习算法，可以利用新的数据对各个特征的权重进行更新，而不需要重新利用历史数据训练。因此在实际开发中，一般针对该类任务首先都会构建一个基于LR的模型作为Baseline Model，实现快速上线，然后在此基础上结合后续业务与数据的演进，不断的优化改进。 由于LR算法具有简单、高效、易于并行且在线学习（动态扩展）的特点，在工业界具有非常广泛的应用。例如：评论信息正负情感分析（二分类）、用户点
继续访问
逻辑(logistic)回归算法原理及两种代码实现
①简单介绍了逻辑回归的原理 ②介绍了两种代码实现方法
继续访问
由两个重要极限推导常见等价无穷小以及常见导数公式
两个重要极限 第一个重要极限 limx→0xsinx=1 \lim_{x\rightarrow0}\frac{x}{sinx}=1x→0limsinxx=1 第二个重要极限 limx→+∞(1+1x)x=e \lim_{x\rightarrow+\infty}(1+\frac{1}{x})^x=ex→+∞lim(1+x1)x=e 等价无穷小 1. ln(1+x)~x limx→0ln(1+x)x=limx→0ln(1+x)1x=ln(limx→+∞(1+1x)x)=lne=1 \lim_{
继续访问
机器学习——逻辑回归算法代码实现
机器学习——逻辑回归算法代码实现前言一、逻辑回归是什么？二、代码实现1.数据说明2.逻辑回归代码 前言 最近准备开始学习机器学习，后续将对学习内容进行记录，该文主要针对逻辑回归代码实现进行记录！同时也准备建一个群，大家可以进行交流，微信：ffengjixuchui 一、逻辑回归是什么？ 逻辑回归概念篇可看博主之前的文章，传送门 二、代码实现 1.数据说明 你想根据两次考试的结果来决定每个申请人的录取机会。你有以前的申请人的历史数据，你可以用它作为逻辑回归的训练集。
‘玖’ 如何判断低估值股票
目录方法1：评估股票的比率1、在股票交易网站上查看股票。2、寻找市盈率较低的股票。3、寻找市净率不超过1的股票。4、选择资产负债率在1.10或以下的公司。5、挑选流动比率高于1.5的股票。方法2：挑选稳定且盈利的股票1、选择"标准普尔（S&P）质量评级"至少达到B+的股票。2、评估公司的现金流。3、查看公司是否在分红。方法3：寻找低估值股票1、研究市场的一个板块，了解哪些是低估值股票。2、在市场崩溃和调整期间购买股票。3、在出现季度业绩不佳后，查看股票价值。4、使用在线股票筛选器找到低估值股票。低估值股票的市场价值低于它的内在价值，因此它非常适合投资。内在价值包括股票的现金流、资产和负债等诸多因素。虽然判断一只股票的内在价值可能很复杂，但最简单的方法是利用股票比率来确定是否值得买入。寻找既便宜又稳定的股票是最划算的。只要你密切关注市场，没准就能从这些低估值股票中大赚一笔。
方法1：评估股票的比率
1、在股票交易网站上查看股票。好的网站包括晨星（Morningstar）或雅虎财经（Yahoo Finance）。股票的概况包括股票的当前市场价格，以及它的现金流，股息，资产比率和其他重要的股票估值信息。大多数网站会为你计算出一支股票的市盈率、市净率、资产负债率和流动比率。
你还可以在这些页面上找到股票的每股收益、每股账面价值、总资产和总负债等信息。
2、寻找市盈率较低的股票。市盈率是指股票的当前价格与每股收益之间的比率。市盈率越低就表明股票越便宜。许多股票交易网站都会公布市盈率。当然，你也可以自己计算。要想自己计算市盈率，首先要用该公司上一年的总利润除以股票数量，计算出每股收益（EPS）。然后，用当前股价除以每股收益就能得出市盈率了。比方说，一家公司上一年赚了5000万美元，共有500万股，那么每股收益就是10美元。如果当前股价是50美元，而每股收益是10，那就用50除以10。得出的市盈率为5。
一般来说，要投资市盈率低于9的股票。记住，标准市盈率可能因行业而异。在某些行业，市盈率可能高于其他行业，但股价仍可能被低估。
3、寻找市净率不超过1的股票。市净率是指股票的当前价格与每股的账面价值之间的比率。在公司资产负债表或股票网站上查看每股账面价值。比率低于1的为低估值股票。用股票的当前价格除以每股的账面价值可以算出市净率。比方说，一只股票的当前价格是60美元，每股的账面价值是10美元，那么它的市净率就是6。
股票的账面价值是该股票在公司收支平衡表上的价格。它基于公司的资产和负债。这些信息通常会在股票页面上公布。
4、选择资产负债率在1.10或以下的公司。这意味着这些公司的资产比债务更多。这也说明了公司实力较强，股票不错。股票网站通常会在股票页面上显示资产负债率。你也可以自己计算。用公司的总负债除以总资产可以计算出资产负债率。例如，公司的总债务为50,000美元，总资产为100,000美元，那么债务资产比就是0.5。
5、挑选流动比率高于1.5的股票。流动比率是指公司的资产与负债的比率。1.5表示公司的资产大于负债。大多数股票网站都会在股票资产负债表上列出流动比率。用公司的资产除以公司的负债就能计算出来。比方说，公司有75,000美元的资产和50,000美元的负债，那么流动比率就是1.5。
资产是指公司拥有的，能产生价值的任何资源。负债是指公司承担的任何可能会导致资产贬值的义务，包括债务。
方法2：挑选稳定且盈利的股票
1、选择"标准普尔（S&P）质量评级"至少达到B+的股票。"标准普尔"是一家大型金融公司，推出了好几个重要的股票指数。它们的评级被认为是业内的黄金标准。质量等级从D（低质量股票）一直到A+（高质量股票）。A B+的评级表明股票稳定并且有可能上涨。你可以在标准普尔的网站上查看质量评级。
2、评估公司的现金流。现金流为正且价格偏低的公司股票通常为低估值股。在网上股票资料的"现金流"部分查看公司的现金流。将当前现金流与前几个季度或前几年进行比较。寻找现金流保持稳定或增加的公司。避免持有现金流为负或减少的股票。现金流数字会告诉你公司实际持有多少钱。正向现金流可能表明股票的流动性更强，这意味着更容易卖出。
3、查看公司是否在分红。股息是公司每年支付给股东的小额款项。股息可以让你在等待低估值股票上涨的过程中赚取少量利润。寻找每年分红保持稳定或者不断增加的股票。要想知道一只股票是否支付股息，可以查看股票资料，看看股息收益率。如果公司公布了股息率，说明他们会支付股息。
方法3：寻找低估值股票
1、研究市场的一个板块，了解哪些是低估值股票。不同的行业有不同的标准。如果你关注1到2个行业，你就可以开始了解这个市场领域的预期。你可以更容易地识别出低估值股票。以科技板块为例，软件公司的平均市盈率可能会达到70多，而硬件公司的平均市盈率可能只在15-20之间。
2、在市场崩溃和调整期间购买股票。当市场下跌时，许多投资者可能会抛售股票以减少损失。许多本来可以盈利的公司可能在这段时间股票价值被低估。
3、在出现季度业绩不佳后，查看股票价值。如果你听说某家公司本季度没有达到预期，他们的股票可能会跌。这可能会导致该公司的股票在一段时间内估值过低。如果该公司之前一直很稳定，并且保持良好的标准普尔评级，那么这只股票仍然适合买入。阅读财经网站和财经新闻，了解某些公司的发展趋势。如果一家公司没有达到预期，新闻上可能会报道。
4、使用在线股票筛选器找到低估值股票。Google Stock Screener或Yahoo Stock Screener等在线工具可以设定一定的股票标准。你可以设定理想的市盈率、市净率、流动比率等因素。这些工具就会只显示符合你设定标准的股票。例如，你可以设置筛选器来搜索市盈率低于20的股票，或者你可以询问市净率低于5的股票。
小提示有一些模型可以计算内在价值和低估值股票。不过，这些模型可能非常复杂。包括剩余收益公式和股利贴现模型。