商用机器学习：数据科学实践

图书标准信息

• 作者 [加拿大]约翰·赫尔（John C. Hull）
• 出版社 机械工业出版社
• 出版时间 2020-09
• 版次 1
• ISBN 9787111662389
• 定价 79.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 字数 132千字

【内容简介】

本书向企业高管和学生介绍了在机器学习中如何使用工具，不需要使用微积分、矩阵或向量代数就可以清楚、简洁地解释目前*流行的算法。本书的重点是业务应用程序，并提供了许多案例，比如评估一个国家进行国际投资的风险、预测房地产的价值，以及可以细致到将零售贷款分为可接受或不可接受模式。书中示例的数据、工作表和Python代码都在作者的网站上，本书同时还提供了一套完整的幻灯片，供教师使用，教师可自行下载使用。

【目录】

作者简介

译者和审校者简介

译者序

前言

第1章　引言  /  1

1.1　关于本书及相关材料  /  4

1.2　机器学习分类  /  5

1.3　验证和测试  /  7

1.4　数据清洗  /  14

1.5　贝叶斯定理  /  17

第2章　无监督学习  /  23

2.1　特征缩放  /  24

2.2　k-均值算法  /  25

2.3　设置k值  /  28

2.4　维度灾难  /  31

2.5　国家风险  /  32

2.6　其他聚类方法  /  39

2.7　主成分分析  /  41

第3章　监督学习：线性回归  /  49

3.1　线性回归：单特征  /  50

3.2　线性回归：多特征  /  52

3.3　分类特征  /  54

3.4　正则化  /  55

3.5　岭回归  /  56

3.6　套索回归  /  61

3.7　弹性网络回归  /  64

3.8　房价数据模型结果  /  65

3.9　逻辑回归  /  71

3.10　逻辑回归的准确性  /  72

3.11　信贷决策中的运用  /  74

3.12　k-近邻算法  /  80

第4章　监督学习：决策树  /  84

4.1　决策树的本质  /  85

4.2　信息增益测度  /  86

4.3　信息决策应用  /  88

4.4　朴素贝叶斯分类器  /  94

4.5　连续目标变量  /  99

4.6　集成学习  /  102

第5章　监督学习：支持向量机  /  108

5.1　线性SVM分类  /  108

5.2　关于软间隔的修改  /  115

5.3　非线性分离  /  117

5.4　关于连续变量的预测  /  119

第6章　监督学习：神经网络  /  125

6.1　单层神经网络  /  125

6.2　多层神经网络  /  129

6.3　梯度下降算法  /  131

6.4　梯度下降算法的变形  /  136

6.5　迭代终止规则  /  138

6.6　应用于衍生产品  /  139

6.7　卷积神经网络  /  140

6.8　递归神经网络  /  142

附录6A　反向传播算法  /  146

第7章　强化学习  /  148

7.1　多臂老虎机问题  /  149

7.2　环境变化  /  156

7.3　Nim游戏博弈  /  158

7.4　时序差分学习  /  162

7.5　深度Q学习  /  164

7.6　应用  /  165

第8章　社会问题  /  170

8.1　数据隐私  /  171

8.2　偏见  /  172

8.3　道德伦理  /  174

8.4　透明度  /  176

8.5　对抗机器学习  /  177

8.6　法律问题  /  178

8.7　人类与机器  /  179

部分习题答案  /  182

术语表  /  198