商用機器學習（原書第3版）

商用機器學習（原書第3版）
  • 出版商: 機械工業
  • 出版日期: 2025-10-01
  • 售價: $354
  • 語言: 簡體中文
  • 頁數: 344
  • ISBN: 7111790197
  • ISBN-13: 9787111790198
  • 相關分類: Machine Learning

    • 下單後立即進貨 (約4週~6週)

買這商品的人也買了...

相關主題

商品描述

機器學習作為人工智能值得期待的內容，也深具商業價值。本書是金融工程和風險管理大師約翰·赫爾教授的新著作。全書深入淺出地講解了機器學習的核心內容、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 適合大學商學院教學，幫助其學生了解“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 網站查詢。另外，本書還配有相關的教輔資料、PPT，以供參考。

作者簡介

約翰·赫爾 加拿大多倫多大學羅特曼管理學院教授。在本書出版之前，他曾在金融衍生產品和風險管理領域出版了三本暢銷書，因其著作側重於應用，故在業界和學術領域都享有盛名。赫爾教授還是羅特曼管理學院金融創新實驗室（FinHub）主任，該實驗室負責研究金融創新產品並開發諸多相關教學資料。他還曾擔任北美、日本和歐洲諸多公司的顧問，並獲得過許多教學獎，包括多倫多大學 的諾斯羅普·弗萊獎（Northrop Frye Award）

目錄大綱

作者簡介
譯者簡介
譯者序言
前言
第1章 引言
1.1 機器學習與統計學
1.2 關於本書及相關材料
1.3 機器學習分類
1.4 驗證和測試
1.5 數據清洗
1.6 貝葉斯定理
小結
練習題
作業題
第2章 無監督學習
2.1 特征標準化處理
2.2 k-均值算法
2.3 設置k值
2.4 維度災難
2.5 國家和地區風險
2.6 其他聚類方法
2.7 主成分分析
小結
練習題
作業題
第3章 監督學習：線性與邏輯回歸
3.1 線性回歸：單特征
3.2 線性回歸：多特征
3.3 分類特征
3.4 正則化
3.5 嶺回歸
3.6 套索回歸
3.7 彈性網絡回歸
3.8 房價數據模型結果
3.9 邏輯回歸
3.10 邏輯回歸的準確性
3.11 信貸決策中的運用
3.12 k-近鄰算法
小結
練習題
作業題
第4章 監督學習：決策樹
4.1 決策樹的本質
4.2 信息增益測度
4.3 信息決策應用
4.4 樸素貝葉斯分類器
4.5 連續目標變量
4.6 集成學習
小結
練習題
作業題
第5章 監督學習：支持向量機
5.1 線性支持向量機分類
5.2 關於軟間隔的修改
5.3 非線性分離
5.4 關於連續變量的預測
小結
第6章 監督學習：神經網絡
6.1 單層人工神經網絡
6.2 多層人工神經網絡
6.3 其他激活函數
6.4 梯度下降算法
6.5 梯度下降算法的變形
6.6 疊代終止規則
6.7 布萊克-斯科爾斯-默頓公式
6.8 推廣
6.9 理解波動率變動
小結
練習題
作業題
第7章 神經網絡的進一步應用
7.1 自動編碼器和主成分分析
7.2 通用自動編碼器設計
7.3 變分自動編碼器
7.4 生成對抗網絡
7.5 遞歸神經網絡
7.6 卷積神經網絡
小結
練習題
作業題
第8章 強化學習
8.1 多臂老虎機問題
8.2 環境變化
8.3 Nim遊戲博弈
8.4 時序差分學習
8.5 如果對手學習
8.6 深度Q學習
8.7 下棋
8.8 應用
8.9 最優交易執行
8.10 數據問題
小結
練習題
作業題
第9章 自然語言處理
9.1 數據來源
9.2 預處理
9.3 詞袋模型
9.4 樸素貝葉斯分類器的應用
9.5 其他算法的應用
9.6 信息檢索
9.7 其他自然語言處理的應用
小結
練習題
作業題
第10章 模型可解釋性
10.1 線性回歸
10.2 邏輯回歸
10.3 黑盒模型
10.4 夏普利值
10.5 LIME
小結
練習題
作業題
第11章 社會問題
11.1 數據隱私
11.2 偏見
11.3 道德倫理
11.4 透明度
11.5 對抗機器學習
11.6 法律問題
11.7 人類和機器
部分習題答案
術語表

 

類似商品