返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • TensorFlow 2机器学习实战——聚焦经济金融科研与产业的深度学习模型 (瑞典)以赛亚·赫尔 著 朱文强 译
  • 新华书店正版
    • 作者: (瑞典)以赛亚·赫尔(Isaiah Hull)著 朱文强 译著
    • 出版社: 清华大学出版社
    • 出版时间:2023-06-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: (瑞典)以赛亚·赫尔(Isaiah Hull)著 朱文强 译著
    • 出版社:清华大学出版社
    • 出版时间:2023-06-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2023-06-01
    • 字数:370000
    • 页数:264
    • 开本:其他
    • 装帧:平装
    • ISBN:9787302631583
    • 国别/地区:中国
    • 版权提供:清华大学出版社

    TensorFlow 2机器学习实战——聚焦经济金融科研与产业的深度学习模型

    作  者:(瑞典)以赛亚·赫尔 著 朱文强 译
    定  价:88
    出 版 社:清华大学出版社
    出版日期:2023年06月01日
    页  数:528
    装  帧:平装
    ISBN:9787302631583
    主编推荐

    ·经典文献导读,提炼机器学习与经济金融交叉学科的重要性及研究重点; ·真实案例研究,聚焦经济与金融学课的学术界与产业界应用; ·提供大量源码,在代码实战中入门并精通TensorFlow 2

    内容简介

    本书侧重于实证维度的经济和金融问题,以及如何用机器学习方法求解这些问题,通过建立相关模型得出相应的结论。这包括各种区分深度学习模型(DNNs、cnn、lstm和DQNs)、生成机器学习模型(gan和VAEs)和基于树的模型。本书内容还涵盖了经济学和机器学习的经验方法的交叉,包括回归分析,自然语言处理,和降维。本书的读者对象为本专科学生以及研究生,在经济和金融领域工作的数据科学家,公共和私营部门的经济学家,以及社会科学研究者。

    作者简介

    精彩内容

    目录
    第1章TensorFlow 2简介1
    1.1安装TensorFlow1
    1.2TensorFlow 2和1的区别2
    1.3TensorFlow与经济金融9
    1.3.1机器学习10
    1.3.2理论模型13
    1.4张量简介14
    1.5TensorFlow中的线性代数和微积分15
    1.5.1常量和变量15
    1.5.2线性代数16
    1.5.3微分学24
    1.6在TensorFlow中加载应用数据35
    1.7本章小结37
    参考文献37
    第2章机器学习与经济学38
    2.1大数据:计量经济学的新绝技(Varian 2014)38
    2.2策略预测问题(Kleinberg等,2015)39
    2.3“机器学习:一个应用计量经济学技巧”(Mullainathan和Spiess,2017)41
    2.4“机器学习对经济学的影响”(Athey,2019)42
    2.4.1机器学习和传统计量经济学方法42
    2.4.2现有的机器学习程序44
    2.4.3政策分析44
    2.4.4研究热点和预测45
    2.5“经济学家应该了解的机器学习方法”(Athey和Imbens,2019)46
    2.6“将文本作为数据”(Gentzkow等,2019)46
    2.6.1将文本表示为数据47
    2.6.2统计方法47
    2.6.3应用49
    2.7“如何让机器学习对宏观经济预测有用”(Coulombe等,2019)49
    2.8本章小结50
    参考文献51
    第3章回归52
    3.1线性回归52
    3.1.1概述52
    3.1.2普通最小二乘法54
    3.1.3最小绝对偏差56
    3.1.4其他的损失函数61
    3.2部分线性模型61
    3.3非线性回归65
    3.4逻辑回归69
    3.5损失函数70
    3.5.1离散因变量70
    3.5.2连续因变量71
    3.6优化器72
    3.6.1随机梯度下降(Stochastic Gradient Descent,SGD)73
    3.6.2一些改进的优化器74
    3.7本章小结75
    参考文献76
    第4章树77
    4.1决策树77
    4.1.1概述77
    4.1.2特征工程79
    4.1.3模型训练79
    4.2回归树81
    4.3随机森林82
    4.4梯度提升树83
    4.4.1分类树84
    4.4.2回归树86
    4.5模型调优88
    4.6本章小结89
    参考文献89
    第5章图像分类90
    5.1图像数据91
    5.2神经网络94
    5.3Keras96
    5.3.1序贯式API96
    5.3.2函数式API103
    5.4Estimators105
    5.5卷积神经网络107
    5.5.1卷积层107
    5.5.2卷积神经网络的训练108
    5.6预训练好的模型112
    5.6.1特征提取112
    5.6.2模型调优115
    5.7本章小结115
    参考文献116
    第6章文本数据117
    6.1数据清洗和准备118
    6.1.1数据收集118
    6.1.2文本数据表征120
    6.1.3数据准备122
    6.2词袋模型127
    6.3基于词典的方法131
    6.4词嵌入136
    6.5主题建模137
    6.6文本回归143
    6.7文本分类154
    6.8本章小结155
    参考文献156
    第7章时间序列157
    7.1机器学习的序贯模型157
    7.1.1稠密神经网络157
    7.1.2循环神经网络162
    7.1.3长短期记忆167
    7.1.4中间隐状态169
    7.2多元预测172
    7.2.1LSTM172
    7.2.2梯度提升树174
    7.3本章小结177
    参考文献178
    第8章降维179
    8.1经济学中的降维179
    8.1.1主成分分析180
    8.1.2偏最小二乘187
    8.2自编码器模型189
    8.3本章小结194
    参考文献195
    第9章生成式模型196
    9.1变分自编码器196
    9.2生成式对抗网络203
    9.3经济与金融领域的应用209
    9.4本章小结209
    参考文献210
    第10章理论模型211
    10.1处理理论模型211
    10.1.1吃蛋糕问题212
    10.1.2新古典商业周期模型217
    10.2深度强化学习222
    10.3本章小结226
    参考文献226
    术语/短语对照及索引表227

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购