商用機器學習：數據科學實踐

購買商店

商用機器學習：數據科學實踐

$403.00

馬上購買

內容描述

今天
商業企業的所有高管和從業者
都知道如何使用電腦
明天
他們就一定要熟知大數據的真正含義，
更要知道機器學習如何在商業中使用！

機器學習作為人工智能最值得期待的內容，也最具商業價值。本書是金融工程和風險管理大師約翰·赫爾教授的最新著作。全書深入淺出地講解了機器學習的核心內容、最常用和流行的算法以及大量機器學習的商用案例，對技術性要求很低，讓讀者很容易從商業的角度理解其技術內涵，特別適合機器學習的初學者和業界人士閱讀，也非常適合大學商學院教學，幫助其學生瞭解“數據科學家”這個職業。
特別地，作者在書中同時使用Excel工作表和Python代碼，方便初學者先從容易的Excel入手，按照自己的節奏，再慢慢轉向Python，書中的相關數據、工作表和Python代碼都可在指定網站查詢。另外，本書還配有相關的教輔資料、PPT，以供參考。

目錄大綱

作者簡介
譯者和審校者簡介
譯者序
前言
第1章　引言 / 1
1.1　關於本書及相關材料 / 4
1.2　機器學習分類 / 5
1.3　驗證和測試 / 7
1.4　數據清洗 / 14
1.5　貝葉斯定理 / 17
第2章　無監督學習 / 23
2.1　特徵縮放 / 24
2.2　k-均值算法 / 25
2.3　設置k值 / 28
2.4　維度災難 / 31
2.5　國家風險 / 32
2.6　其他聚類方法 / 39
2.7　主成分分析 / 41
第3章　監督學習：線性回歸 / 49
3.1　線性回歸：單特徵 / 50
3.2　線性回歸：多特徵 / 52
3.3　分類特徵 / 54
3.4　正則化 / 55
3.5　嶺回歸 / 56
3.6　套索回歸 / 61
3.7　彈性網絡回歸 / 64
3.8　房價數據模型結果 / 65
3.9　邏輯回歸 / 71
3.10　邏輯回歸的準確性 / 72
3.11　信貸決策中的運用 / 74
3.12　k-近鄰算法 / 80
第4章　監督學習：決策樹 / 84
4.1　決策樹的本質 / 85
4.2　信息增益測度 / 86
4.3　信息決策應用 / 88
4.4　樸素貝葉斯分類器 / 94
4.5　連續目標變量 / 99
4.6　集成學習 / 102
第5章　監督學習：支持向量機 / 108
5.1　線性SVM分類 / 108
5.2　關於軟間隔的修改 / 115
5.3　非線性分離 / 117
5.4　關於連續變量的預測 / 119
第6章　監督學習：神經網絡 / 125
6.1　單層神經網絡 / 125
6.2　多層神經網絡 / 129
6.3　梯度下降算法 / 131
6.4　梯度下降算法的變形 / 136
6.5　迭代終止規則 / 138
6.6　應用於衍生產品 / 139
6.7　捲積神經網絡 / 140
6.8　遞歸神經網絡 / 142
附錄6A　反向傳播算法 / 146
第7章　強化學習 / 148
7.1　多臂老虎機問題 / 149
7.2　環境變化 / 156
7.3　Nim游戲博弈 / 158
7.4　時序差分學習 / 162
7.5　深度Q學習 / 164
7.6　應用 / 165
第8章　社會問題 / 170
8.1　數據隱私 / 171
8.2　偏見 / 172
8.3　道德倫理 / 174
8.4　透明度 / 176
8.5　對抗機器學習 / 177
8.6　法律問題 / 178
8.7　人類與機器 / 179
部分習題答案 / 182
術語表 / 198

作者介紹

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，包括多伦多大学著名的诺斯罗普·弗莱奖（Northrop Frye Award）。