• 面向金融的机器学习(影印版)(英文版)
21年品牌 40万+商家 超1.5亿件商品

面向金融的机器学习(影印版)(英文版)

全新正版 极速发货

65.56 5.8折 114 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(英)詹尼斯·克拉斯|责编:张烨

出版社东南大学

ISBN9787564189556

出版时间2020-08

装帧其他

开本其他

定价114元

货号30933957

上书时间2024-06-13

书香美美

已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:全新
商品描述
目录
Preface
Chapter 1:Neural Networks and Gradient.Based optimization
  Our iourney in this book
  What iS machine Iearning?
  Supervised Iearning
  Unsupervised learning
  Reinforcement learning
    The unreaS0nabIe effectiveness of data
    AIl models are wrong
  Setting up your workspace
  Using Kaggle kernels
  Running notebooks Iocally
    Installing TensorFIow
    Installing Keras
    Using data locally
  Using the AWS deep learning AMI
  Approximating functions
  A forward pass
  A logistic regressor
    Python version of our Iogistic regressor
  optimizing model parameters
  Measuring modelloSS
    Gradient descent
    Backpropaqation
    Parameter updates
    Putting it all together
  A deeper network
  A brief introduction to Keras
    lmporting Keras
  A two-layer modeIin Keras
    Stacking layers
    Compiling the model
    Training the model
  Keras and TensorFIow
  Tensors and the computational graph
  Exercises
  Summary
Chapter 2:Applying Maching Learning to Structured Data
  The data
  Heuristic,feature.based。and E2E models
  The machine Iearning software stack
  The heuristic approach
    Making predictions using the heuristic model
    The F1 score
    Evaluating with a confusion matrix
  The feature engineering approach
    A feature from intuition—fraudsters don’t sleep
    Expeinsight—transfer.then cash out
    StatisticaI quirks—errors in balances
  Preparing the data for the Keras library

内容摘要
 本书探索了机器学习的新进展,展示了如何将其应用于包括保险、交易和贷款在内的整个金融领域
。书中解释了主要机器学习技术背后的概念和算法,并提供了用于自制模型的Python代码示例。
本书基于JannesKlaas为金融专业人士举办机器学习培训课程的经验。书中并未提供现成的金融算法,而是着重介绍了能够以多种方式应用的高级机器学习概念和思想。
书中展示了机器学习如
何处理结构化数据、文本、图像和时间序,涵盖了生成对抗性学习、强化学习、调试和发布机器学习产品等方面的内容,讨论了如何克服机器学习中的偏差,最后探究了贝叶斯推理和概率编程。
你将从本书中学到:将机器学习应用于结构化数据、自然语言、照片以及书面文本;机器学习如何检测诈骗、预测金融趋势、分析客户情绪等;在Python、scikit-learn、Keras和TensorFlow中实现启发式基线、时间序列、生成模型和增强学习;深入挖掘神经网络,研究GAN和强化学习的应用;调试机器学习应用并为上线做准备;解决机器学习中的偏差和隐私问题。

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP