中圖網(wǎng)小程序
一鍵登錄
更方便
機(jī)器學(xué)習(xí)與Python實(shí)踐/黃勉 版權(quán)信息
- ISBN：9787115538468
- 條形碼：9787115538468 ; 978-7-115-53846-8
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
機(jī)器學(xué)習(xí)與Python實(shí)踐/黃勉 本書特色
本書是針對非計(jì)算機(jī)專業(yè)編寫的機(jī)器學(xué)習(xí)教材，內(nèi)容由淺入深，使用目前流行的Python語言進(jìn)行描述。書中示例豐富、落地，具有較高的學(xué)習(xí)價(jià)值。 1.內(nèi)容翔實(shí)，案例新穎 2.模擬實(shí)訓(xùn)，代碼指導(dǎo) 3.資源豐富，便于教學(xué)
機(jī)器學(xué)習(xí)與Python實(shí)踐/黃勉 內(nèi)容簡介
機(jī)器學(xué)習(xí)是計(jì)算機(jī)科學(xué)與人工智能的重要分支領(lǐng)域. 本書作為該領(lǐng)域的入門教材，在內(nèi)容上盡可能涵蓋機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)的各方面. 全書共16 章，大致分為3 個(gè)部分： 部分（～3 章）介紹機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)；第2 部分（第4～10 章）討論一些經(jīng)典而常用的機(jī)器學(xué)習(xí)方法（決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、貝葉斯分類器、集成學(xué)習(xí)、聚類、降維與度量學(xué)習(xí)）；第3 部分（1～16 章）為進(jìn)階知識(shí)，內(nèi)容涉及特征選擇與稀疏學(xué)習(xí)、計(jì)算學(xué)習(xí)理論、半監(jiān)督學(xué)習(xí)、概率圖模型、規(guī)則學(xué)習(xí)以及強(qiáng)化學(xué)習(xí)等. 每章都附有習(xí)題并介紹了相關(guān)閱讀材料，以便有興趣的讀者進(jìn)一步鉆研探索。 本書可作為高等院校計(jì)算機(jī)、自動(dòng)化及相關(guān)專業(yè)的本科生或研究生教材，也可供對機(jī)器學(xué)習(xí)感興趣的研究人員和工程技術(shù)人員閱讀參考。
機(jī)器學(xué)習(xí)與Python實(shí)踐/黃勉 目錄
第 1 章 機(jī)器學(xué)習(xí)概述 1
1.1 引言1
1.1.1 問題導(dǎo)向框架 1
1.1.2 數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)3
1.1.3 人工智能和機(jī)器學(xué)習(xí)3
1.2 機(jī)器學(xué)習(xí)的分類4
1.2.1 無監(jiān)督學(xué)習(xí)、有監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí) 4
1.2.2 深度學(xué)習(xí)和淺層學(xué)習(xí)5
1.2.3 統(tǒng)計(jì)學(xué)習(xí)6
1.3 機(jī)器學(xué)習(xí)的發(fā)展歷程及應(yīng)用7
本章習(xí)題 7
第 2 章 Python 科學(xué)計(jì)算簡介9
2.1 基礎(chǔ)變量類型 9
2.1.1 數(shù)字 (Number)9
2.1.2 字符串 (String) 10
2.1.3 列表 (List)12
2.1.4 元組 (Tuple) 13
2.1.5 字典 (Dictionary)14
2.2 控制語句和函數(shù)15
2.2.1 控制語句 15
2.2.2 函數(shù)17
2.3 用于科學(xué)計(jì)算和數(shù)據(jù)處理的庫19
2.3.1 NumPy19
2.3.2 SciPy23
2.3.3 Pandas23
2.4 作圖和可視化25
2.4.1 plot() 函數(shù)與saveˉg() 函數(shù)26
2.4.2 標(biāo)題、圖例和坐標(biāo) 26
2.4.3 散點(diǎn)圖與直方圖 27
2.4.4 Image Plot28
2.5 輸入和輸出 28
2.5.1 標(biāo)準(zhǔn)輸入和輸出函數(shù) 28
2.5.2 第三方庫的輸入輸出函數(shù) 29
2.5.3 案例分析：讀取并處理股票行情數(shù)據(jù)29
2.6 面向?qū)ο缶幊?0
2.6.1 面向過程編程31
2.6.2 案例分析：面向?qū)ο缶幊淌纠?1
2.7 Python 常用工具庫 33
本章習(xí)題34
第 3 章 無監(jiān)督學(xué)習(xí) 36
3.1 描述性統(tǒng)計(jì) 36
3.1.1 描述性統(tǒng)計(jì)分析工具 36
3.1.2 案例分析：指數(shù)收益率的 描述性統(tǒng)計(jì) 39
3.2 核密度估計(jì) 40
3.2.1 核密度估計(jì)方法 40
3.2.2 核密度估計(jì)的目標(biāo)函數(shù)42
3.3 k 均值算法 42
3.4 主成分分析 44
3.4.1 Z大投影方差和Z小重構(gòu)誤差45
3.4.2 特征分解和奇異值分解46
3.4.3 案例分析：手寫數(shù)字 3 特征分析47
3.4.4 案例分析：利率期限結(jié)構(gòu) 50
3.4.5 案例分析：股票收益率的協(xié)方差矩陣分解 52
3.5 混合模型和隱馬爾可夫模型 54
3.5.1 混合模型 54
3.5.2 隱馬爾可夫模型 55
本章習(xí)題59
第 4 章 線性回歸和正則化方法 60
4.1 回歸分析流程60
4.1.1 回歸分析流程的主要步驟 61
4.1.2 案例分析：宏觀違約率預(yù)測65
4.2 變量選擇基礎(chǔ)66
4.2.1 變量選擇方法簡介66
4.2.2 案例分析：指數(shù)跟蹤 68
4.2.3 Forward Stagewise 回歸69
4.3 正則化方法 70
4.3.1 L2 正則71
4.3.2 L1 正則72
4.3.3 懲罰函數(shù)和稀疏性78
4.4 回歸估計(jì)和矩陣分解80
4.4.1 奇異值分解和線性回歸 80
4.4.2 QR 分解和 QR 算法83
本章習(xí)題85
第 5 章 分類 86
5.1 判別分析 86
5.1.1 線性判別分析87
5.1.2 二次判別分析 89
5.1.3 樸素貝葉斯89
5.2 邏輯回歸 89
5.2.1 模型估計(jì) 90
5.2.2 與交叉熵的關(guān)系 93
5.2.3 案例分析：股票漲跌預(yù)測 94
5.3 支持向量機(jī) 96
5.4 分類的評判 99
5.4.1 混淆矩陣和常用度量 99
5.4.2 F1 Score100
5.4.3 ROC 和 AUC101
5.4.4 數(shù)據(jù)不平衡的處理104
本章習(xí)題 105
第 6 章 局部建模 106
6.1 樣條方法106
6.1.1 三階樣條106
6.1.2 自然三階樣條107
6.2 核技巧 108
6.3 局部回歸111
6.3.1 K 鄰近估計(jì) 111
6.3.2 局部常數(shù)估計(jì)113
6.3.3 局部多項(xiàng)式估計(jì) 114
6.3.4 案例分析：期權(quán)隱含分布估計(jì)115
6.3.5 局部似然估計(jì)117
本章習(xí)題 118
第 7 章 模型選擇和模型評估 120
7.1 模型評估120
7.1.1 泛化誤差120
7.1.2 交叉驗(yàn)證121
7.1.3 Bootstrap123
7.2 模型選擇124
7.2.1 AIC 準(zhǔn)則124
7.2.2 BIC 準(zhǔn)則126
7.3 估計(jì)的自由度 128
7.4 案例分析：期權(quán)隱含分布估計(jì)（續(xù) 1）129
本章習(xí)題 131
第 8 章 統(tǒng)計(jì)推斷基礎(chǔ)132
8.1 極大似然估計(jì) 132
8.2 置信區(qū)間和假設(shè)檢驗(yàn)134
8.2.1 置信區(qū)間134
8.2.2 假設(shè)檢驗(yàn)134
8.3 Bootstrap 方法136
8.4 KL 距離和信息論相關(guān)概念 139
8.4.1 KL 距離和熵140
8.4.2 KL 距離和互信息 141
8.5 EM 算法 142
8.5.1 EM 算法與變分推斷和MM 算法143
8.5.2 高斯混合模型的 EM 算法143
8.5.3 隱馬爾可夫模型的EM 算法146
8.5.4 案例分析：收益率序列隱狀態(tài)預(yù)測149
本章習(xí)題 152
第 9 章 貝葉斯方法 153
9.1 貝葉斯定理153
9.1.1 事件的貝葉斯公式153
9.1.2 隨機(jī)變量的貝葉斯公式154
9.2 貝葉斯視角下的頻率方法155
9.3 抽樣方法157
9.3.1 拒絕抽樣法 157
9.3.2 案例分析：期權(quán)隱含分布估計(jì)（續(xù) 2） 158
9.3.3 Metropolis-Hastings抽樣算法159
9.3.4 重要性抽樣 164
9.3.5 蒙特卡洛標(biāo)準(zhǔn)誤 165
9.4 變分推斷166
9.4.1 基于平均場的變分推斷166
9.4.2 變分推斷算法示例167
本章習(xí)題 171
第 10 章 樹和樹的集成 173
10.1 回歸樹和分類樹 173
10.1.1 回歸樹173
10.1.2 分類樹175
10.2 Bagging 和隨機(jī)森林 179
10.2.1 Bagging179
10.2.2 隨機(jī)森林 180
10.3 提升樹 Boosting Trees 182
10.3.1 AdaBoost 182
10.3.2 梯度提升樹 GBDT 183
10.3.3 XGBoost184
10.3.4 案例分析：股票漲跌預(yù)測（續(xù) 1） 186
本章習(xí)題 188
第 11 章 深度學(xué)習(xí) 189
11.1 前饋神經(jīng)網(wǎng)絡(luò)和梯度下降算法 189
11.1.1 神經(jīng)元189
1.1.2 前饋神經(jīng)網(wǎng)絡(luò) 191
11.1.3 梯度下降算法 191
11.1.4 反向傳播算法 192
11.1.5 隨機(jī)梯度算法的改進(jìn)193
11.1.6 激活函數(shù)和梯度消失問題194
11.1.7 案例分析：股票漲跌預(yù)測（續(xù) 2） 197
11.2 網(wǎng)絡(luò)結(jié)構(gòu) 198
11.2.1 卷積神經(jīng)網(wǎng)絡(luò) CNN198
11.2.2 循環(huán)神經(jīng)網(wǎng)絡(luò) RNN202
11.2.3 Dropout203
11.2.4 Batch Normalization 203
11.2.5 殘差網(wǎng)絡(luò) 204
11.3 自編碼和生成模型205
11.3.1 自編碼205
11.3.2 案例分析：手寫數(shù)字 3 特征分析（續(xù)）207
11.3.3 逐層特征學(xué)習(xí) 208
11.3.4 生成對抗網(wǎng)絡(luò) 209
11.3.5 變分自編碼210
11.4 揭開深度學(xué)習(xí)的黑箱 212
本章習(xí)題 214
第 12 章 強(qiáng)化學(xué)習(xí) 215
12.1 基于值函數(shù)的強(qiáng)化學(xué)習(xí)215
12.1.1 強(qiáng)化學(xué)習(xí)的基礎(chǔ)概念215
12.1.2 值函數(shù)和 Bellman 方程 216
12.1.3 策略迭代和值迭代 218
12.1.4 基于值函數(shù)的無模型強(qiáng)化學(xué)習(xí) 219
12.2 值函數(shù)近似和深度 Q 網(wǎng)絡(luò) 222
12.2.1 值函數(shù)的近似 222
12.2.2 深度 Q 網(wǎng)絡(luò) DQN 223
12.2.3 案例分析：DQN 智能交易機(jī)器人225
12.3 策略梯度和 Actor-Critic 方法 226
12.3.1 策略梯度定理 226
12.3.2 強(qiáng)化學(xué)習(xí)和有監(jiān)督學(xué)習(xí)的對比228
12.3.3 Actor-Critic 算法228
12.4 學(xué)習(xí)、推演和搜索 231
12.4.1 “記憶式”學(xué)習(xí) 231
12.4.2 推演和搜索231
12.4.3 蒙特卡洛樹搜索232
12.4.4 不完全信息決策簡介233
本章習(xí)題 234
參考文獻(xiàn) 235
展開全部
機(jī)器學(xué)習(xí)與Python實(shí)踐/黃勉 作者簡介
黃勉 上海財(cái)經(jīng)大學(xué)統(tǒng)計(jì)與管理學(xué)院教授、博士生導(dǎo)師、院長助理、數(shù)量金融與風(fēng)險(xiǎn)管理中心主任。本科畢業(yè)于中國科技大學(xué)統(tǒng)計(jì)與金融系，博士畢業(yè)于賓西法尼亞州立大學(xué)統(tǒng)計(jì)系。入選上海市浦江人才計(jì)劃，上海市晨光計(jì)劃，上海市青年拔尖人才開發(fā)計(jì)劃，第十七屆高等院校霍英東青年教師獎(jiǎng)二等獎(jiǎng)。黃勉博士的研究方向包括現(xiàn)代統(tǒng)計(jì)學(xué)理論，數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、期權(quán)定價(jià)和量化投資，研究成果被國際著名統(tǒng)計(jì)學(xué)期刊以及經(jīng)濟(jì)、管理和人工智能領(lǐng)域的期刊多次引用；曾應(yīng)邀赴業(yè)界開展多次講座，包括中信銀行信用卡中心、富國基金、景順長城基金等。
書友推薦
- >
名家?guī)阕x魯迅:朝花夕拾
- >
二體千字文
- >
巴金－再思錄
- >
名家?guī)阕x魯迅:故事新編
- >
煙與鏡
- >
詩經(jīng)-先民的歌唱
- >
中國歷史的瞬間
- >
唐代進(jìn)士錄
本類暢銷
