{正版现货新书} TENSORFLOW 2机器学习实战：聚焦经济金融科研与产业的深度学习模型 9787302631583 (瑞典)以赛亚·赫尔(Isaiah Hull)著

全新正版现货，以书名为准，放心购买，购书咨询18515909251朱老师

40.83 4.6折 88 全新

库存2件

北京丰台

作者(瑞典)以赛亚·赫尔(Isaiah Hull)著

出版社清华大学出版社

ISBN9787302631583

出版时间2023-06

装帧平装

开本其他

定价88元

货号13030471

上书时间2026-01-08

商品详情

品相描述：全新

商品描述: 目录
目录第1章TensorFlow 2简介1 1.1安装TensorFlow1 1.2TensorFlow 2和1的区别2 1.3TensorFlow与经济金融9 1.3.1机器学习10 1.3.2理论模型13 1.4张量简介14 1.5TensorFlow中的线性代数和微积分15 1.5.1常量和变量15 1.5.2线性代数16 1.5.3微分学24 1.6在TensorFlow中加载应用数据35 1.7本章小结37 参考文献37 第2章机器学习与经济学38 2.1大数据: 计量经济学的新绝技(Varian 2014)38 2.2策略预测问题(Kleinberg等，2015)39 2.3“机器学习: 一个应用计量经济学技巧”(Mullainathan 和Spiess，2017)41 2.4“机器学习对经济学的影响”(Athey，2019)42 2.4.1机器学习和传统计量经济学方法42 2.4.2现有的机器学习程序44 2.4.3政策分析44 2.4.4研究热点和预测45 2.5“经济学家应该了解的机器学习方法”(Athey和 Imbens，2019)462.6“将文本作为数据”(Gentzkow等，2019)46 2.6.1将文本表示为数据47 2.6.2统计方法47 2.6.3应用49 2.7“如何让机器学习对宏观经济预测有用”(Coulombe等， 2019)49 2.8本章小结50 参考文献51 TensorFlow 2机器学习实战——聚焦经济金融科研与产业的深度学习模型目录第3章回归52 3.1线性回归52 3.1.1概述52 3.1.2普通最小二乘法54 3.1.3最小绝对偏差56 3.1.4其他的损失函数61 3.2部分线性模型61 3.3非线性回归65 3.4逻辑回归69 3.5损失函数70 3.5.1离散因变量70 3.5.2连续因变量71 3.6优化器72 3.6.1随机梯度下降(Stochastic Gradient Descent, SGD)73 3.6.2一些改进的优化器74 3.7本章小结75 参考文献76 第4章树77 4.1决策树77 4.1.1概述77 4.1.2特征工程79 4.1.3模型训练79 4.2回归树81 4.3随机森林82 4.4梯度提升树83 4.4.1分类树84 4.4.2回归树86 4.5模型调优88 4.6本章小结89 参考文献89 第5章图像分类90 5.1图像数据91 5.2神经网络94 5.3Keras96 5.3.1序贯式API96 5.3.2函数式API103 5.4Estimators105 5.5卷积神经网络107 5.5.1卷积层107 5.5.2卷积神经网络的训练108 5.6预训练好的模型112 5.6.1特征提取112 5.6.2模型调优115 5.7本章小结115 参考文献116 第6章文本数据117 6.1数据清洗和准备118 6.1.1数据收集118 6.1.2文本数据表征120 6.1.3数据准备122 6.2词袋模型127 6.3基于词典的方法131 6.4词嵌入136 6.5主题建模137 6.6文本回归143 6.7文本分类154 6.8本章小结155 参考文献156 第7章时间序列157 7.1机器学习的序贯模型157 7.1.1稠密神经网络157 7.1.2循环神经网络162 7.1.3长短期记忆167 7.1.4中间隐状态169 7.2多元预测172 7.2.1LSTM172 7.2.2梯度提升树174 7.3本章小结177 参考文献178 第8章降维179 8.1经济学中的降维179 8.1.1主成分分析180 8.1.2偏最小二乘187 8.2自编码器模型189 8.3本章小结194 参考文献195 第9章生成式模型196 9.1变分自编码器196 9.2生成式对抗网络203 9.3经济与金融领域的应用209 9.4本章小结209 参考文献210 第10章理论模型211 10.1处理理论模型211 10.1.1吃蛋糕问题212 10.1.2新古典商业周期模型217 10.2深度强化学习222 10.3本章小结226 参考文献226 术语/短语对照及索引表227

内容摘要
本书侧重于实证维度的经济和金融问题，以及如何用机器学习方法求解这些问题，通过建立相关模型得出相应的结论。这包括各种区分深度学习模型(DNNs、cnn、lstm和DQNs)、生成机器学习模型(gan和VAEs)和基于树的模型。本书内容还涵盖了经济学和机器学习的经验方法的交叉，包括回归分析，自然语言处理，和降维。本书的读者对象为本专科学生以及研究生，在经济和金融领域工作的数据科学家，公共和私营部门的经济学家，以及社会科学研究者。

主编推荐
·经典文献导读，提炼机器学习与经济金融交叉学科的重要性及研究重点； ·真实案例研究，聚焦经济与金融学课的学术界与产业界应用； ·提供大量源码，在代码实战中入门并精通TensorFlow 2

精彩内容
本书侧重于实证维度的经济和金融问题，以及如何用机器学习方法求解这些问题，通过建立相关模型得出相应的结论。这包括各种区分深度学习模型(DNNs、cnn、lstm和DQNs)、生成机器学习模型(gan和VAEs)和基于树的模型。本书内容还涵盖了经济学和机器学习的经验方法的交叉，包括回归分析，自然语言处理，和降维。本书的读者对象为本专科学生以及研究生，在经济和金融领域工作的数据科学家，公共和私营部门的经济学家，以及社会科学研究者。