機器學習與Python實踐（簡體書）
商品資訊
系列名：數據科學與統計系列規劃教材
ISBN13：9787115538468
出版社：人民郵電出版社
作者：黃勉
出版日：2024/01/01
裝訂／頁數：平裝／243頁
規格：24cm*17cm (高/寬)
版次：一版
商品簡介
本書可作為高等院校計算機、自動化及相關專業的本科生或研究生教材，也可供對機器學習感興趣的研究人員和工程技術人員閱讀參考。
作者簡介
黃勉
上海財經大學統計與管理學院教授、博士生導師、院長助理、數量金融與風險管理中心主任。本科畢業於中國科技大學統計與金融系，博士畢業於賓西法尼亞州立大學統計系。入選上海市浦江人才計劃，上海市晨光計劃，上海市青年拔尖人才開發計劃，第十七屆高等院校霍英東青年教師獎二等獎。黃勉博士的研究方向包括現代統計學理論，數據挖掘、機器學習、期權定價和量化投資，研究成果被國際著名統計學期刊以及經濟、管理和人工智能領域的期刊多次引用；曾應邀赴業界開展多次講座，包括中信銀行信用卡中心、富國基金、景順長城基金等。
名人/編輯推薦
1.內容翔實，案例新穎
2.模擬實訓，代碼指導
3.資源豐富，便於教學
目次
第 1 章 機器學習概述 1
1.1 引言1
1.1.1 問題導向框架 1
1.1.2 數據挖掘和機器學習3
1.1.3 人工智能和機器學習3
1.2 機器學習的分類4
1.2.1 無監督學習、有監督學習和強化學習 4
1.2.2 深度學習和淺層學習5
1.2.3 統計學習6
1.3 機器學習的發展歷程及應用7
本章習題 7
第 2 章 Python 科學計算簡介9
2.1 基礎變量類型 9
2.1.1 數字 (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15
2.2.1 控制語句 15
2.2.2 函數17
2.3 用於科學計算和數據處理的庫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() 函數與saveˉg() 函數26
2.4.2 標題、圖例和坐標 26
2.4.3 散點圖與直方圖 27
2.4.4 Image Plot28
2.5 輸入和輸出 28
2.5.1 標準輸入和輸出函數 28
2.5.2 第三方庫的輸入輸出函數 29
2.5.3 案例分析：讀取並處理股票行情數據29
2.6 面向物件編程30
2.6.1 面向過程編程31
2.6.2 案例分析：面向物件編程示例31
2.7 Python 常用工具庫 33
本章習題34
第 3 章 無監督學習 36
3.1 描述性統計 36
3.1.1 描述性統計分析工具 36
3.1.2 案例分析：指數收益率的 描述性統計 39
3.2 核密度估計 40
3.2.1 核密度估計方法 40
3.2.2 核密度估計的目標函數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：手寫數字 3 特征分析47
3.4.4 案例分析：利率期限結構 50
3.4.5 案例分析：股票收益率的協方差矩陣分解 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：宏觀違約率預測65
4.2 變量選擇基礎66
4.2.1 變量選擇方法簡介66
4.2.2 案例分析：指數跟蹤 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 懲罰函數和稀疏性78
4.4 回歸估計和矩陣分解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 90
5.2.2 與交叉熵的關係 93
5.2.3 案例分析：股票漲跌預測 94
5.3 支持向量機 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 數據不平衡的處理104
本章習題 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 111
6.3.2 局部常數估計113
6.3.3 局部多項式估計 114
6.3.4 案例分析：期權隱含分布估計115
6.3.5 局部似然估計117
本章習題 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 交叉驗證121
7.1.3 Bootstrap123
7.2 模型選擇124
7.2.1 AIC 準則124
7.2.2 BIC 準則126
7.3 估計的自由度 128
7.4 案例分析：期權隱含分布估計（續 1）129
本章習題 131
第 8 章 統計推斷基礎132
8.1 極大似然估計 132
8.2 置信區間和假設檢驗134
8.2.1 置信區間134
8.2.2 假設檢驗134
8.3 Bootstrap 方法136
8.4 KL 距離和信息論相關概念 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：收益率序列隱狀態預測149
本章習題 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：期權隱含分布估計（續 2） 158
9.3.3 Metropolis-Hastings抽樣算法159
9.3.4 重要性抽樣 164
9.3.5 蒙特卡洛標準誤 165
9.4 變分推斷166
9.4.1 基於平均場的變分推斷166
9.4.2 變分推斷算法示例167
本章習題 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 和隨機森林 179
10.2.1 Bagging179
10.2.2 隨機森林 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：股票漲跌預測（續 1） 186
本章習題 188
第 11 章 深度學習 189
11.1 前饋神經網絡和梯度下降算法 189
11.1.1 神經元189
1.1.2 前饋神經網絡 191
11.1.3 梯度下降算法 191
11.1.4 反向傳播算法 192
11.1.5 隨機梯度算法的改進193
11.1.6 激活函數和梯度消失問題194
11.1.7 案例分析：股票漲跌預測（續 2） 197
11.2 網絡結構 198
11.2.1 卷積神經網絡 CNN198
11.2.2 循環神經網絡 RNN202
11.2.3 Dropout203
11.2.4 Batch Normalization 203
11.2.5 殘差網絡 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：手寫數字 3 特征分析（續）207
11.3.3 逐層特征學習 208
11.3.4 生成對抗網絡 209
11.3.5 變分自編碼210
11.4 揭開深度學習的黑箱 212
本章習題 214
第 12 章 強化學習 215
12.1 基於值函數的強化學習215
12.1.1 強化學習的基礎概念215
12.1.2 值函數和 Bellman 方程 216
12.1.3 策略迭代和值迭代 218
12.1.4 基於值函數的無模型強化學習 219
12.2 值函數近似和深度 Q 網絡 222
12.2.1 值函數的近似 222
12.2.2 深度 Q 網絡 DQN 223
12.2.3 案例分析：DQN 智能交易機器人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 強化學習和有監督學習的對比228
12.3.3 Actor-Critic 算法228
12.4 學習、推演和搜索 231
12.4.1 “記憶式”學習 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
本章習題 234
參考文獻 235
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。