由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高99元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
[正版新书]量化金融原理与实践(微课视频版) 李政、李亚青、郭文伟 清华大学出版社 人工智能
¥ ×1
| 书名: | 量化金融原理与实践(微课视频版) |
| 出版社: | 清华大学出版社 |
| 出版日期 | 2025 |
| ISBN号: | 9787302685104 |
| |
| 本书按照利用机器学习算法建立经济金融模型的流程安排章节内容,从拓宽读者技能的角度出发,主要介绍 经济金融领域常用的 人工智能模型。
全书共11章,分为两部分。第1~5章是建模的前期准备,包括绪论、Python编程基础及数据处理、数据可视化、数据表格的处理与数据清洗、特征工程等。第6~11章介绍常用的模型,包括聚类、主成分分析、线性模型、支持向量机、决策树与随机森林、神经网络等。本书通过图文结合的方式详细解释了复杂数学模型的核心思想,对每条代码的功能进行解释,以降低读者理解复杂 命令的难度。
本书可作为高等院校计算机类、经济学、金融学等相关专业的教材,也可作为感兴趣读者的自学读物,还可作为相关行业技术人员的参考用书。
|
| |
|
|
| |
| 本书主要内容包括Python编程基础及数据处理、数据可视化、特征工程、聚类、线性模型、支持向量机、决策树与随机森林、神经网络等。通过图文结合的方式详细解释复杂数学模型的核心思想,并对每条代码的功能进行解释。
|
| |
|
目录
资源下载
第1章绪论
1.1软件的安装与功能
1.1.1软件的下载与安装
1.1.2软件的界面与功能
1.2机器学习算法介绍
习题
第2章Python编程基础及数据处理
2.1Python基础语法
2.1.1数据类型
2.1.2数据类型操作
2.1.3Python函数
2.2数据处理常用的库
2.2.1数据分析
2.2.2相关库
习题
第3章数据可视化
3.1绘图基础语法
3.1.1单一画布作图
3.1.2多画布作图
3.1.3图像的保存和导出
3.2主要图形的绘制
3.2.1折线图
3.2.2散点图
3.2.3条形图
3.2.4箱线图
3.2.5饼图
3.2.6K线图
3.2.7雷达图
3.2.8热力图
3.2.9属性两两分析图
3.2.10气泡图
3.2.11小提琴图和分簇散点图
习题
量化金融原理与实践(微课视频版) 目录
第4章数据表格的处理与数据清洗
4.1xlwings及其相关算法
4.1.1第三方库xlwings
4.1.2xlwings与Pandas的实现
4.2统计分析与可视化
4.2.1统计分析
4.2.2可视化
4.3数据清洗
4.3.1空缺值、重复值、异常值
4.3.2数据归一化
4.4特征工程
4.4.1属性的选择
4.4.2属性值的优化
习题
第5章特征工程
5.1过滤法
5.1.1单变量
5.1.2多变量
5.1.3过滤法总结
5.2包裹法
5.2.1完全搜索
5.2.2启发式搜索
5.2.3随机搜索
5.3嵌入法
5.3.1原理
5.3.2应用
5.3.3重要函数介绍
习题
第6章聚类
6.1聚类的概念及应用
6.1.1聚类的概念
6.1.2聚类的应用领域
6.2聚类算法的相关原理
6.2.1Kmeans聚类
6.2.2层次聚类
6.3K值优化与聚类评价指标
6.3.1K值优化
6.3.2聚类评价指标
6.4在消费者行为分析中的应用
习题
第7章主成分分析
7.1主成分分析及步骤简介
7.1.1主成分分析原理
7.1.2主成分分析流程
7.1.3相关检验
7.2重要函数介绍
7.3在车贷违约预测中的应用
7.3.1数据准备
7.3.2统计分析
7.3.3数据清洗
7.3.4Bartlett球状检验
7.3.5KMO检验
7.3.6数据标准化
7.3.7PCA解释方差和累计贡献可视化
7.3.8主成分载荷矩阵和可视化
习题
第8章线性模型
8.1模型原理
8.1.1OLS线性回归
8.1.2逻辑回归
8.1.3岭回归
8.1.4混淆矩阵
8.2相关金融原理
8.3样本构建
8.4模型应用
8.4.1构建OLS线性模型
8.4.2构建岭回归模型
8.4.3构建逻辑回归模型
8.5模型的改进
习题
第9章支持向量机
9.1支持向量机的原理
9.1.1支持向量机的数学原理
9.1.2支持向量机的实现——以SVC为例
9.2数据离散
9.2.1等频率离散化
9.2.2聚类离散化
9.2.3基于信息熵的离散化方法
9.3相关金融原理
9.4在保险反欺诈案例中的应用
9.4.1背景介绍
9.4.2读取数据
9.4.3数据清洗与样本构建
习题
第10章决策树及随机森林
10.1决策树及相关概念
10.1.1决策树
10.1.2决策树构建的相关细节
10.1.3决策树算法流程
10.1.4字典数据类型的重要方法
10.1.5其他相关重要函数
10.2随机森林及相关概念
10.2.1随机森林
10.2.2随机森林算法原理和具体流程
10.3在银行客户营销中的应用
10.3.1样本数据
10.3.2建模流程
10.4应用随机森林分析银行客户营销数据
10.4.1随机森林决策边界图
10.4.2随机森林建模
10.4.3特征重要性排序
10.4.4模型的预测
10.4.5模型评估
习题
第11章神经网络
11.1模型原理
11.1.1图解神经网络模型原理
11.1.2模型应用的数学原理
11.1.3激活函数
11.1.4数组整形函数
11.2在股票预测中的应用
11.2.1MLP解决以涨跌为标签的分类问题
11.2.2CNN解决以涨跌为标签的分类问题
11.2.3LSTM解决以涨跌为标签的分类问题
11.2.4MLP解决以收盘价为预测值的回归问题
11.2.5CNN解决以收盘价为预测值的回归问题
11.2.6LSTM解决以收盘价为预测值的回归问题
习题
参考文献
|
| |
|
|
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格
