商用机器学习 数据科学实践
全新正版 极速发货
￥ 41.57 5.3折 ￥ 79 全新
库存3件
广东广州
认证卖家担保交易快速发货售后保障
作者(加)约翰·赫尔
出版社机械工业出版社
ISBN9787111662389
出版时间2020-09
装帧精装
开本32开
定价79元
货号1202133705
上书时间2024-12-02
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
作者简介 约翰·赫尔 加拿大多伦多大学罗特曼管理学院教授。在本书出版之前，他曾在金融衍生产品和风险管理领域出版了三本畅销书，因其著作侧重于应用，故在业界和学术领域都享有盛名。赫尔教授还是罗特曼管理学院金融创新实验室（FinHub）主任，该实验室负责研究金融创新产品并开发诸多相关教学资料。他还曾担任北美、日本和欧洲诸多公司的顾问，并获得过许多教学奖，包括多伦多大学有名的诺斯罗普·弗莱奖（Northrop Frye Award）。 译者和审校者简介 王勇加拿大达尔豪斯大学数学博士，国家专家，现任天风证券首席风险官，CFA，FRM，著有《金融风险管理》，并主持翻译了《期权、期货及其他衍生产品》《风险管理与金融机构》《区块链：技术驱动金融》《未来金融：人工智能与数字化》等多部著作。 陈秋雨浙江大学经济学博士，现就职于西交利物浦大学靠前商学院，上海期货交易所与复旦大学联合培养博士后，并获“很好博士后”称号，曾获中国期货业协会举办的全国高校论文大赛一等奖，目前从事人工智能交易与风险管理、区块链、数据科学、衍生产品交易等研究和教学。 廖琦多伦多大学经济学硕士，现任上海光大光证股权投资基金管理有限公司总经理，FRM，在金融风险管理、巴塞尔协议和金融监管、资产证券化、股权投资以及政府和社会资本合作等领域有十余年丰富经验。 张翔教授，中国系统工程学会金融系统工程专业委员会委员，中国通信学会金融科技委员会委员，中国金融四十人（青年），四川省天府万人计划专家，现任西南财经大学大数据研究院副院长，博士生导师，华期梧桐资产管理有限公司首席科学家。
目录
作者简介
译者和审校者简介
译者序
前言
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
2.2k-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
3.12k-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
7.3Nim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
内容摘要
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靠前投资的风险、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。
主编推荐
机器学习作为人工智能*值得期待的内容，也*具商业价值。本书是金融工程和风险管理大师约翰·赫尔教授的*新著作。全书深入浅出地讲解了机器学习的核心内容、*常用和流行的算法以及大量机器学习的商用案例，对技术性要求很低，并且让读者很容易从商业的角度理解其技术内涵，特别适合机器学习的初学者和业界人士阅读，也很好适合大学商学院教学，帮助其学生了解“数据科学家”这个职业。
特别地，作者在书中同时使用Excel工作表和Python代码，方便初学者先从容易的Excel入手，按照自己的节奏，再慢慢转向Python，书中的相关数据、工作表和Python代码都可在指定网站查询。另外，本书还配有相关的教辅资料、PPT，以供参考。
— 没有更多了 —
以下为对购买帮助不大的评价