股票有什么泵？
1、指标类，比如MACD，KDJ等。这些都可以看做是特征的提取方法，把特征提供给下一步的分类器使用。
2、分类器，这里包括聚类（将相似的特征值归类）和决策树（根据特征选择节点）、神经网络（通过模拟人类学习的过程来学习参数）等等，不同的分类器对于数据的特征要求不同，使用时需要注意。
3、模型评估，这里主要包括准确率的衡量（常见的还有ROC曲线评价等）以及误差的分析。需要了解误差产生的原因并加以应对。 以上三方面的知识都是基础性的，建议多看一些书籍，计算机视觉或者模式识别的书籍有很多，张乃千的《计算机视觉》、中科院自动化所的《模式识别》都可以作为参考。 上面只是简单的介绍了三种类型的知识，在具体学习时可以将各种知识相互组合起来，例如先寻找一个合适的数据集并用Python或OpenCV进行可视化，然后基于可调参数的分类器做出初步的预测，最后在由人工或是其他方式对结果进行验证。这样既能加深理解，又能实际应用！