类似推荐
编辑推荐
生动讲解Python与金融量化结合，实例助初学者快速掌握编程。
内容简介
本书采用生动活泼的语言，从入门者的角度，讲解Python语言和sklearn模块库，内置的各种经典机器学习算法，结合实盘交易数据，分析在金融量化方面的应用。书中大量简单风趣的实际案例，让广大初学者，快速掌握机器学习在量化投资领域的编程，为进一步学习金融科技，奠定扎实的基础。
章节目录
封面
书名页
内容简介
版权页
前 言
目录
第1章 Python与机器学习
1.1 scikit-learn模块库
1.1.1 scikit-learn的缺点
1.1.2 scikit-learn算法模块
1.1.3 scikit-learn六大功能
1.2 开发环境搭建
1.2.1 AI领域的标准编程语言：Python
1.2.2 zwPython：难度降低90%，性能提高10倍
1.2.3 “零对象”编程模式
1.2.4 开发平台搭建
1.2.5 程序目录结构
案例1-1：重点模块版本测试
1.3 机器学习：从忘却开始
1.4 学习路线图
第2章 机器学习编程入门
2.1 经典机器学习算法
2.2 经典爱丽丝
案例2-1：经典爱丽丝
案例2-2：爱丽丝进化与文本矢量化
2.3 机器学习算法流程
2.4 机器学习数据集
案例2-3：爱丽丝分解
2.5 数据切割函数
2.6 线性回归算法
案例2-4：爱丽丝回归
第3章 金融数据的预处理
3.1 至简归一法
案例3-1：麻烦的外汇数据
案例3-2：尴尬的日元
案例3-3：凶残的比特币
3.2 股票池与Rebase
3.2.1 股票池
3.2.2 Rebase与归一化
案例3-4：股票池Rebase归一化
3.3 金融数据切割
案例3-5：当上证遇到机器学习
3.4 preprocessing模块
案例3-6：比特币与标准化
案例3-7：比特币与归一化
第4章 机器学习快速入门
4.1 回归算法
4.2 LR线性回归模型
案例4-1：上证指数之LR回归事件
4.3 常用评测指标
4.4 多项式回归
案例4-2：上证指数的多项式故事
案例4-3：预测比特币价格
4.5 逻辑回归算法模型
案例4-4：上证指数预测逻辑回归版
第5章 模型验证优化
5.1 交叉验证评估器
案例5-1：交叉验证
5.2 交叉验证评分
案例5-2：交叉验证评分
第6章 决策树
6.1 决策树算法
6.1.1 ID3算法与C4.5算法
6.1.2 常用决策树算法
6.1.3 sklearn内置决策树算法
6.2 决策树回归函数
案例6-1：决策树回归算法
6.3 决策树分类函数
案例6-2：决策树分类算法
6.4 GBDT算法
6.5 迭代决策树函数
案例6-3：GBDT回归算法
案例6-4：GBDT分类算法
第7章 随机森林算法和极端随机树算法
7.1 随机森林函数
7.2 决策树测试框架
案例7-1：RF回归算法大测试
7.3 决策树测试函数
案例7-2：上证的RF回归频道
案例7-3：当比特币碰到RF回归算法
案例7-4：上证和RF分类算法
7.4 极端随机树算法
7.5 极端随机树函数
案例7-5：极端随机树回归算法
案例7-6：上证指数案例应用
案例7-7：ET、比特币，谁更极端
第8章 机器学习算法模式
8.1 学习模式
8.2 机器学习五大流派
8.3 经典机器学习算法
8.4 小结
第9章 概率编程
9.1 朴素贝叶斯的上证之旅
案例9-1：上证朴素贝叶斯算法
9.2 隐马尔可夫模型
案例9-2：HMM模型与模型保存
案例9-3：HMM算法与模型读取
第10章 实例算法
K最近邻算法
案例10-1：第一次惊喜——KNN算法
案例10-2：KNN分类
第11章 正则化算法
11.1 岭回归算法
案例11-1：新高度——岭回归算法
11.2 套索回归算法
案例11-2：套索回归算法应用
11.3 弹性网络算法
案例11-3：弹性网络算法应用
11.4 最小角回归算法
案例11-4：LARS算法应用
第12章 聚类分析
12.1 K均值算法
案例12-1：K均值算法应用
12.2 BIRCH算法
案例12-2：BIRCH算法应用
12.3 小结
第13章 降维算法
13.1 主成分分析
案例13-1：主成分分析的应用
案例13-2：PCA算法的上证戏法
13.2 奇异值分解算法
案例13-3：奇异果传说：SVD
第14章 集成算法
14.1 sklearn内置集成算法
14.2 装袋算法
案例14-1：装袋回归算法
案例14-2：装袋分类算法
14.3 AdaBoost迭代算法
案例14-3：AdaBoost迭代回归算法
案例14-4：AdaBoost迭代分类算法
第15章 支持向量机
15.1 支持向量机算法
15.2 SVM函数接口
案例15-1：SVM回归算法
案例15-2：SVM分类算法
第16章 人工神经网络算法
多层感知器
案例16-1：多层感知器回归算法
案例16-2：多层感知器分类算法
附录A sklearn常用模块和函数
附录B 量化分析常用指标
金融科技丛书
反侵权盗版声明
封底
Python机器学习与量化投资是2018年由电子工业出版社出版,作者何海群。
得书感谢您对《Python机器学习与量化投资》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
