万本电子书0元读

万本电子书0元读

顶部广告

商用机器学习:数据科学实践电子书

机器学习作为人工智能*值得期待的内容,也*具商业价值。本书是金融工程和风险管理大师约翰·赫尔教授的*新著作。全书深浅出地讲解了机器学习的核心内容、*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。

售       价:¥

纸质售价:¥43.40购买纸书

17人正在读 | 0人评论 6.3

作       者:(加)约翰·赫尔(John C· Hull)

出  版  社:机械工业出版社

出版时间:2020-08-01

字       数:8.7万

所属分类: 科技 > 计算机/网络 > 软件系统

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(1条)
  • 读书简介
  • 目录
  • 累计评论(1条)
本书向企业高管和学生介绍了在机器学习中如何使用工具,不需要使用微积分、矩阵或向量代数就可以清楚、简洁地解释目前*流行的算法。本书的重是业务应用程序,并提供了许多案例,比如评估一个国家行国际投资的风险、预测房地产的价值,以及可以细致到将零售贷款分为可受或不可受模式。书中示例的数据、工作表和Python代码都在作者的网站上,本书同时还提供了一套完整的幻灯片,供教师使用,教师可自行下载使用。<br/>【推荐语】<br/>机器学习作为人工智能*值得期待的内容,也*具商业价值。本书是金融工程和风险管理大师约翰·赫尔教授的*新著作。全书深浅出地讲解了机器学习的核心内容、*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。另外,本书还配有相关的教辅资料、PPT,以供参考。<br/>
目录展开

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

累计评论(1条) 1个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部