掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
機器學習與經濟大數據分析:基于PYTHON實現 版權信息
- ISBN：9787301349724
- 條形碼：9787301349724 ; 978-7-301-34972-4
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
機器學習與經濟大數據分析:基于PYTHON實現 本書特色
本書是一本以Python語言為工具，融合數學、信息科學與經濟學等多領域知識的交叉學科教材。本書有以下特點：
· 將機器學習建模思想分散融入各類數學模型中。例如，將“模型擬合”融入線性回歸，將“模型評估”融入邏輯回歸，將“核函數”融入支持向量機，將“集成學習”融入決策樹？？？？幫助讀者體會隱藏于模型背后的機器學習建模核心思想，有效提高學習效率。
· 注重模型原理、代碼實現與應用場景的緊密結合。對于每個機器學習模型，先以一個簡潔例子引入其應用場景，再通過數學建模介紹算法內在邏輯并輔以核心代碼實現，*后結合實際場景展示模型應用效果，達到理論、技術、應用的融會貫通。
· 配備豐富數字資源。各章均配有習題答案、插圖原圖以及教輔資源，既便于教師備課和授課，也有利于學生課后進一步領會和練習書中內容。此外，本書還提供兩個編程技術附錄—《附錄 A:Python 語言編程基礎》便于讀者零基礎入門 Python 語言；《附錄 B:Python 數據分析工具包》幫助讀者熟悉與大數據分析相關的 Python 工具包。如需要，可按書中提示獲取。
機器學習與經濟大數據分析:基于PYTHON實現 內容簡介
面對數字經濟背景下大數據分析的現實需求，本書分別從經濟理論闡述、數學原理推導、程序代碼實現三個角度，系統全面地闡釋了各類經典機器學習模型的理論內涵和適用范圍，以及基于 Python 編程語言進行算法訓練、模型測試和參數調優的具體方法。本書配有A、B兩個附錄，介紹了 Python 語言基本語法規則，以及經濟大數據分析所涉及的Python 工具包。 本書旨在培養能夠綜合運用經濟學思維、數理分析方法、數據科學工具，分析和解決經濟社會發展中的理論和實際問題的復合型人才；可作為高等院校經濟管理、計算機等專業本科生、研究生、MBA 教材，也可作為相關企業員工內部培訓教程或經濟數據分析從業者的參考讀物。
機器學習與經濟大數據分析:基于PYTHON實現 目錄
第1章 經濟大數據分析概論// 1
1. 1 數字經濟時代的大數據 // 1
1. 2 大數據分類 // 2
1. 3 機器學習簡述 // 4
1. 4 機器學習與計量經濟學的方法差異 // 5
1. 5 機器學習與計量經濟學的融合應用 // 8
本章小結 // 9
課后習題 // 10
第2章 機器學習與數據分析 // 11
2. 1 機器學習基本原理 // 11
2. 2 機器學習工具包: Scikit-learn // 16
2. 3 Scikit-learn 高級API // 30
2. 4 經濟數據分析案例 // 43
本章小結 // 59
課后習題 // 59
第3章 線性回歸與模型擬合 // 61
3. 1 線性回歸模型 // 61
3. 2 模型擬合問題 // 72
3. 3 偏差與方差 // 82
3. 4 過擬合與正則化 // 89
本章注釋 // 97
本章小結 // 97
課后習題 // 98
第4章 邏輯回歸與模型評估 // 99
4. 1 從線性回歸到邏輯回歸 // 99
4. 2 二元分類預測案例 // 104
4. 3 多元分類問題 // 113
4. 4 模型評估方法 // 117
本章注釋 // 128
本章小結 // 129
課后習題 // 129
第5章 支持向量機與核函數 // 131
5. 1 支持向量機模型 // 131
5. 2 近似線性可分情形 // 136
5. 3 支持向量機與邏輯回歸的差異 // 143
5. 4 核函數基本原理 // 148
5. 5 非線性支持向量機 // 150
5. 6 模型拓展: 支持向量回歸 // 155
5. 7 財政收入預測案例 // 157
本章注釋 // 170
本章小結 // 170
課后習題 // 171
第6章 決策樹與集成學習 // 172
6. 1 決策樹模型 // 172
6. 2 集成學習 // 181
6. 3 樹的橫向集成: 隨機森林 // 185
6. 4 樹的縱向集成: 梯度提升樹 // 189
6. 5 決策樹和邏輯回歸集成 // 193
6. 6 銀行借貸風險預測案例 // 201
本章注釋 // 223
本章小結 // 224
課后習題 // 224
第7章 貝葉斯分類與生成式學習 // 226
7. 1 貝葉斯分類模型原理 // 226
7. 2 基于樸素貝葉斯的文本分類 // 231
7. 3 基于LDA 的文本主題分析 // 246
7. 4 對生成式學習的延伸討論 // 262
本章注釋 // 265
本章小結 // 265
課后習題 // 265
第8章 聚類降維與無監督學習 // 267
8. 1 監督學習與無監督學習 // 267
8. 2 聚類模型: K -均值聚類 // 268
8. 3 降維模型: 主成分分析 // 278
8. 4 客戶價值分析案例 // 293
本章小結 // 306
課后習題 // 307
1. 1 數字經濟時代的大數據 // 1
1. 2 大數據分類 // 2
1. 3 機器學習簡述 // 4
1. 4 機器學習與計量經濟學的方法差異 // 5
1. 5 機器學習與計量經濟學的融合應用 // 8
本章小結 // 9
課后習題 // 10
第2章 機器學習與數據分析 // 11
2. 1 機器學習基本原理 // 11
2. 2 機器學習工具包: Scikit-learn // 16
2. 3 Scikit-learn 高級API // 30
2. 4 經濟數據分析案例 // 43
本章小結 // 59
課后習題 // 59
第3章 線性回歸與模型擬合 // 61
3. 1 線性回歸模型 // 61
3. 2 模型擬合問題 // 72
3. 3 偏差與方差 // 82
3. 4 過擬合與正則化 // 89
本章注釋 // 97
本章小結 // 97
課后習題 // 98
第4章 邏輯回歸與模型評估 // 99
4. 1 從線性回歸到邏輯回歸 // 99
4. 2 二元分類預測案例 // 104
4. 3 多元分類問題 // 113
4. 4 模型評估方法 // 117
本章注釋 // 128
本章小結 // 129
課后習題 // 129
第5章 支持向量機與核函數 // 131
5. 1 支持向量機模型 // 131
5. 2 近似線性可分情形 // 136
5. 3 支持向量機與邏輯回歸的差異 // 143
5. 4 核函數基本原理 // 148
5. 5 非線性支持向量機 // 150
5. 6 模型拓展: 支持向量回歸 // 155
5. 7 財政收入預測案例 // 157
本章注釋 // 170
本章小結 // 170
課后習題 // 171
第6章 決策樹與集成學習 // 172
6. 1 決策樹模型 // 172
6. 2 集成學習 // 181
6. 3 樹的橫向集成: 隨機森林 // 185
6. 4 樹的縱向集成: 梯度提升樹 // 189
6. 5 決策樹和邏輯回歸集成 // 193
6. 6 銀行借貸風險預測案例 // 201
本章注釋 // 223
本章小結 // 224
課后習題 // 224
第7章 貝葉斯分類與生成式學習 // 226
7. 1 貝葉斯分類模型原理 // 226
7. 2 基于樸素貝葉斯的文本分類 // 231
7. 3 基于LDA 的文本主題分析 // 246
7. 4 對生成式學習的延伸討論 // 262
本章注釋 // 265
本章小結 // 265
課后習題 // 265
第8章 聚類降維與無監督學習 // 267
8. 1 監督學習與無監督學習 // 267
8. 2 聚類模型: K -均值聚類 // 268
8. 3 降維模型: 主成分分析 // 278
8. 4 客戶價值分析案例 // 293
本章小結 // 306
課后習題 // 307
展開全部
機器學習與經濟大數據分析:基于PYTHON實現 作者簡介
劉征馳，湖南大學經濟與貿易學院教授、博士生導師、數字經濟系主任，美國匹茲堡大學訪問學者；主要研究方向為數據要素驅動的數字經濟發展與治理，如數據要素市場、平臺競爭與治理、數據要素與經濟增長等；近年來主持多項國家自然科學基金和省部級基金課題；獲國家科學技術進步獎二等獎、湖南省科學技術進步獎一等獎；在 European Journal ofOperational Research、《中國工業經濟》《系統工程理論與實踐》等期刊發表多篇學術論文。
書友推薦
- >
中國歷史的瞬間
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
推拿
- >
莉莉和章魚
- >
我與地壇
- >
伊索寓言-世界文學名著典藏-全譯本
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
李白與唐代文化
本類暢銷
