科技
类型
可以朗读
语音朗读
85千字
字数
2020-09-01
发行日期
展开全部
主编推荐语
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。
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
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
机械工业出版社有限公司
机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。
