编辑推荐
全书深入浅出地讲解了机器学习的核心内容、最常用和流行的算法以及大量机器学习的商用案例。
内容简介
机器学习作为人工智能最值得期待的内容，也具有较高的商业价值。
本书是金融工程和风险管理大师约翰·赫尔教授的最新著作。全书深入浅出地讲解了机器学习的核心内容、最常用和流行的算法以及大量机器学习的商用案例，对技术性要求很低，并且让读者很容易从商业的角度理解其技术内涵，特别适合机器学习的初学者和业界人士阅读，也非常适合大学商学院教学，帮助其学生了解“数据科学家”这个职业。
特别地，作者在书中同时使用Excel工作表和Python代码，方便初学者先从容易的Excel入手，按照自己的节奏，再慢慢转向Python，书中的相关数据、工作表和Python代码都可在指定网站查询。
作者简介
作者约翰·赫尔，加拿大多伦多大学教授，Bonharm金融中心主任。他是国际公认的衍生品权威，其有关金融衍生产品的教材和著作被翻译成多种文字，并在全世界广泛流行。
章节目录
版权信息
作者简介
译者和审校者简介
译者序
前言
第1章 引言
1.1 关于本书及相关材料
1.2 机器学习分类
1.3 验证和测试
1.4 数据清洗
1.5 贝叶斯定理
第2章 无监督学习
2.1 特征缩放
2.2 k-均值算法
2.3 设置k值
2.4 维度灾难
2.5 国家风险
2.6 其他聚类方法
2.7 主成分分析
第3章 监督学习：线性回归
3.1 线性回归：单特征
3.2 线性回归：多特征
3.3 分类特征
3.4 正则化
3.5 岭回归
3.6 套索回归
3.7 弹性网络回归
3.8 房价数据模型结果
3.9 逻辑回归
3.10 逻辑回归的准确性
3.11 信贷决策中的运用
3.12 k-近邻算法
第4章 监督学习：决策树
4.1 决策树的本质
4.2 信息增益测度
4.3 信息决策应用
4.4 朴素贝叶斯分类器
4.5 连续目标变量
4.6 集成学习
第5章 监督学习：支持向量机
5.1 线性SVM分类
5.2 关于软间隔的修改
5.3 非线性分离
5.4 关于连续变量的预测
第6章 监督学习：神经网络
6.1 单层神经网络
6.2 多层神经网络
6.3 梯度下降算法
6.4 梯度下降算法的变形
6.5 迭代终止规则
6.6 应用于衍生产品
6.7 卷积神经网络
6.8 递归神经网络
附录6A 反向传播算法
第7章 强化学习
7.1 多臂老虎机问题
7.2 环境变化
7.3 Nim游戏博弈
7.4 时序差分学习
7.5 深度Q学习
7.6 应用
第8章 社会问题
8.1 数据隐私
8.2 偏见
8.3 道德伦理
8.4 透明度
8.5 对抗机器学习
8.6 法律问题
8.7 人类与机器
部分习题答案
术语表
商用机器学习：数据科学实践是2020年由机械工业出版社华章分社出版,作者[加] 约翰·赫尔。
得书感谢您对《商用机器学习：数据科学实践》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。
