機器學習實踐指南
內容描述
機器學習應用遍及人工智能的各個領域，是眾多數學科學家需要學習的內容。本書第壹部分提供了一個相當復雜的機器學習系統，以幫助讀者提高其效率。第二部分重點介紹了三個不同的基於現實世界的數據的案例研究，並提供相應解決方案。全書通過知識介紹，使讀者瞭解收集數據、準備使用數據、訓練模型、評估模型的性能，以及改進模型的性能的方法；通過對實際問題解決的講解，幫助讀者獲得處理機器學習問題的經驗。
目錄大綱
前言
第1章機器學習引言1
1.1什麼是機器學習1
1.2分類方法概述2
1.3聚類方法概述2
1.4監督學習概述3
1.5無監督學習概述4
1.6增強學習概述4
1.7結構化預測概述5
1.8神經網絡概述5
1.9深度學習概述6
第2章分類7
2.1引言7
2.2判別函數分析：地下鹵水地質化學測量8
2.3多元邏輯回歸：理解學生的課程計劃選擇15
2.4 Tobit回歸：評估學生的學術能力20
2.5泊松回歸：理解加拉帕戈斯群島現存物種27
第3章聚類38
3.1引言38
3.2層次聚類：世界銀行樣本數據集39
3.3層次聚類：1999～2010年
亞馬遜雨林的燒毀情況44
3.4層次聚類：基因聚類55
3.5二進制聚類：數學測驗68
3.6 k均值聚類：歐洲各國蛋白質消耗量75
3.7 k均值聚類：食品80
第4章模型選擇和正則化86
4.1引言86
4.2壓縮方法：每天消耗的卡路里87
4.3降維方法：Delta航空公司航空隊100
4.4主成分分析：理解世界菜餚109
第5章非線性114
5.1廣義加性模型：衡量新西蘭的家庭收入114
5.2平滑樣條：理解汽車和速度119
5.3局部回歸：理解乾旱警告和影響129
第6章監督學習136
6.1引言136
6.2決策樹學習：對胸痛患者的預先醫療護理指示137
6.3決策樹學習：基於收入的房地產價值分佈145
6.4決策樹學習：預測股票走勢方向154
6.5樸素貝葉斯：預測股票走勢方向170
6.6隨機森林：貨幣交易策略184
6.7支持向量機：貨幣交易策略193
6.8隨機梯度下降：成人收入201
第7章無監督學習208
7.1引言208
7.2自組織映射：可視化熱圖209
7.3矢量量化：圖像聚類212
第8章增強學習217
8.1引言217
8.2馬爾可夫鏈：股票區製轉移模型218
8.3馬爾可夫鏈：多渠道歸因模型229
8.4馬爾可夫鏈：汽車租賃 理服務239
8.5連續馬爾可夫鏈：加油站的車輛服務243
8.6蒙特卡羅模擬：校準Hull-White短期利率247
第9章結構化預測257
9.1引言257
9.2隱馬爾可夫模型：歐元和美元257
9.3隱馬爾可夫模型：區製檢測263
第10章神經網絡270
10.1引言270
10.2為S&P 500建模270
10.3衡量失業率278
第11章深度學習292
11.1引言292
11.2循環神經網絡：預測週期信號292
第12章案例研究：探索世界銀行數據299
12.1引言299
12.2探索世界銀行數據299
第13章案例研究：再保險合同定價316
13.1引言316
13.2再保險合同定價316
第14章案例研究：用電量預測329
14.1引言329
14.2用電量測量329
作者介紹
作者:(英)阿圖爾·特里帕蒂 譯者:王喆、曹建勳
阿圖爾·特里帕蒂(Atul Tripathi)，在機器學習和量化投資領域有超過11年的從業經歷，並擁有14年的軟件開發和研究經驗。他一直致力於先進的機器學習技術，如神經網絡和馬爾可夫模型的研究。在研究機器學習技術的同時，他利用其解決了圖像處理、電信、語音識別和自然語言處理等領域相關的諸多問題。他還利用神經網絡模型開發了文本挖掘工具。在量化投資領域，他利用蒙特卡羅仿真開發了價值風險、極值定理、期權定價和能源衍生品等模型。
