PS:事先说明,对于我来说在金融领域常把RGN当作LSTM等常用模型极简版使用,所以此篇不讨论每个具体模型细节

一 来点震撼,仙之人兮列如麻,ML/DL如过江之鲫

1.1 陷入困境,什么困境

学生思维的困境：工具越学越多，亏损越来越大
很多学习者有一个致命的思维误区：把"知道"等同于"会做"。

我见过太多这样的场：学完均线金叉 → 兴奋实盘 → 连续止损 → 放弃学完,MACD背离 → 兴奋实盘 → 连续止损 → 放… …

但真正的问题在于：只是在堆砌工具，而不是构建系统。

不断追求新指标
不断优化参数
永远在"学习"的路上
这就是学生思维的核心特征：以为知识的堆砌能带来盈利。

1.2 重新学习大致MLDL的使用生态

我作为学生以及实习中使用过的模型大多数LSTM变体,或者是xgboost,但是我并非纯理科出身,有了AI加持并不需要从底层重新开始学,而是用自己掌握的代码和架构,项目经验,金融场景中,寻找不同
然后呢,知道区别,去pandaai专家模式的示例文件看看代码的具体区别在哪

二 专家模式其他新增功能也来搞搞

根据github上的节点自定义文档,让minimax搞一个MA节点,方便调参

然后!发现居然装当初用户发出的装插件的要求真的实装,此时pandaai大一统的脚步越来越近