新書推薦：
《
伟大民族：从路易十五到拿破仑的法国史（方尖碑）
》
售價：HK$
188.2
《
古今“书画同源”论辨——中国书法与中国绘画的关系问题兼中国画笔墨研究
》
售價：HK$
132.2
《
《日本文学史序说》讲演录
》
售價：HK$
72.8
《
无尽的海洋：美国海事探险与大众文化（1815—1860）
》
售價：HK$
99.7
《
治盗之道：清代盗律的古今之辨
》
售價：HK$
122.1
《
甲骨文丛书·剑桥世界暴力史（第一卷）：史前和古代世界（套装全2册）
》
售價：HK$
210.6
《
甲骨文丛书·中华早期帝国：秦汉史的重估
》
售價：HK$
300.2
《
欲望与家庭小说
》
售價：HK$
98.6
|
| 編輯推薦： |
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·赫尔教授的最新著作。全书深入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。另外，本书还配有相关的教辅资料、PPT，以供参考。
|
| 內容簡介： |
|
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。本书的重点是业务应用程序，并提供了许多案例，比如评估一个国家进行国际投资的风险、预测房地产的价值，以及可以细致到将零售贷款分为可接受或不可接受模式。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。
|
| 關於作者： |
译者和审校者简介
译者序
前言
第1章 引言1
1.1 关于本书及相关材料4
1.2 机器学习分类5
1.3 验证和测试7
1.4 数据清洗14
1.5 贝叶斯定理17
第2章 无监督学习23
2.1 特征缩放24
2.2 k-均值算法25
2.3 设置k值28作者简介
译者和审校者简介
译者序
前言
第1章 引言1
1.1 关于本书及相关材料4
1.2 机器学习分类5
1.3 验证和测试7
1.4 数据清洗14
1.5 贝叶斯定理17
第2章 无监督学习23
2.1 特征缩放24
2.2 k-均值算法25
2.3 设置k值28
2.4 维度灾难31
2.5 国家风险32
2.6 其他聚类方法39
2.7 主成分分析41
第3章 监督学习：线性回归49
3.1 线性回归：单特征50
3.2 线性回归：多特征52
3.3 分类特征54
3.4 正则化55
3.5 岭回归56
3.6 套索回归61
3.7 弹性网络回归64
3.8 房价数据模型结果65
3.9 逻辑回归71
3.10 逻辑回归的准确性72
3.11 信贷决策中的运用74
3.12 k-近邻算法80
第4章 监督学习：决策树84
4.1 决策树的本质85
4.2 信息增益测度86
4.3 信息决策应用88
4.4 朴素贝叶斯分类器94
4.5 连续目标变量99
4.6 集成学习102
第5章 监督学习：支持向量机108
5.1 线性SVM分类108
5.2 关于软间隔的修改115
5.3 非线性分离117
5.4 关于连续变量的预测119
第6章 监督学习：神经网络125
6.1 单层神经网络125
6.2 多层神经网络129
6.3 梯度下降算法131
6.4 梯度下降算法的变形136
6.5 迭代终止规则138
6.6 应用于衍生产品139
6.7 卷积神经网络140
6.8 递归神经网络142
附录6A 反向传播算法146
第7章 强化学习148
7.1 多臂老虎机问题149
7.2 环境变化156
7.3 Nim游戏博弈158
7.4 时序差分学习162
7.5 深度Q学习164
7.6 应用165
第8章 社会问题170
8.1 数据隐私171
8.2 偏见172
8.3 道德伦理174
8.4 透明度176
8.5 对抗机器学习177
8.6 法律问题178
8.7 人类与机器179
部分习题答案182
术语表198
|
| 目錄：
|
作者简介
译者和审校者简介
译者序
前言
第1章 引言1
1.1 关于本书及相关材料4
1.2 机器学习分类5
1.3 验证和测试7
1.4 数据清洗14
1.5 贝叶斯定理17
第2章 无监督学习23
2.1 特征缩放24
2.2 k-均值算法25
2.3 设置k值28
2.4 维度灾难31
2.5 国家风险32
2.6 其他聚类方法39
2.7 主成分分析41
第3章 监督学习：线性回归49
3.1 线性回归：单特征50
3.2 线性回归：多特征52
3.3 分类特征54
3.4 正则化55
3.5 岭回归56
3.6 套索回归61
3.7 弹性网络回归64
3.8 房价数据模型结果65
3.9 逻辑回归71
3.10 逻辑回归的准确性72
3.11 信贷决策中的运用74
3.12 k-近邻算法80
第4章 监督学习：决策树84
4.1 决策树的本质85
4.2 信息增益测度86
4.3 信息决策应用88
4.4 朴素贝叶斯分类器94
4.5 连续目标变量99
4.6 集成学习102
第5章 监督学习：支持向量机108
5.1 线性SVM分类108
5.2 关于软间隔的修改115
5.3 非线性分离117
5.4 关于连续变量的预测119
第6章 监督学习：神经网络125
6.1 单层神经网络125
6.2 多层神经网络129
6.3 梯度下降算法131
6.4 梯度下降算法的变形136
6.5 迭代终止规则138
6.6 应用于衍生产品139
6.7 卷积神经网络140
6.8 递归神经网络142
附录6A 反向传播算法146
第7章 强化学习148
7.1 多臂老虎机问题149
7.2 环境变化156
7.3 Nim游戏博弈158
7.4 时序差分学习162
7.5 深度Q学习164
7.6 应用165
第8章 社会问题170
8.1 数据隐私171
8.2 偏见172
8.3 道德伦理174
8.4 透明度176
8.5 对抗机器学习177
8.6 法律问题178
8.7 人类与机器179
部分习题答案182
术语表198
|
| 內容試閱：
|
本书基于我在商学院的教学经验而创作，是关于机器学习的一本入门书籍，读者面向商学院学生和企业管理团队。本书的技术性不算太强，其目的不是要把读者培养成数据科学家，而是让读者了解“数据科学家”这个职业，并介绍这些数据科学家如何助推企业发展。
很多学生认识到，机器学习已经对业界产生了巨大的影响，从业者只有掌握机器学习的基础知识，才能在竞争日趋激烈的世界中生存。今天，业界所有高管都需要知道如何使用计算机；明天，业界所有高管都需要熟知大数据的含义，并需要与数据科学家合作，以此提高自身的竞争力。
在本书中，我并没有使用矩阵或向量运算，也没有使用微积分（除了在第6章的附录中使用微积分来解释反向传播）。虽然这些量化知识很有用，但根据我的观察，大多数商学院学生和企业高管对这些知识并不熟悉。
本书介绍了数据科学家最常用的算法，掌握这些算法能够让读者根据自身情况，与数据科学家高效合作。在本书中，我通过使用不同的数据集来解释算法。这些数据集可以从以下网站下载：www-2.rotman.utoronto.ca~hull。
本书使用的数据集附带Excel工作表和Python代码，我注意到，在选修我的课程之前，几乎所有的学生都能熟练使用Excel工作表，但我认为所有的从业人员还应该尽快适应Python代码。几乎所有学生都已经认识到，编码技能已经成为业界人士必需的技能。
读者可以从我的网站上下载Power Point幻灯片，欢迎选择采用本书的教师根据自己的需要对幻灯片进行调整。
在本书的写作过程中，很多人曾给予我帮助。我要特别感谢Jay Cao、 Jeff Li和Niti Mishra，他们提供了本书附带的大部分Python代码。我还要感谢罗特曼管理学院金融创新实验室及全球金融服务风险研究所（Global Risk Institute in Financial Services）为机器学习和金融创新研究以及相应教学资料的开发提供资金支持。Peter Christoffersen（他于2018年不幸英年早逝）和Andreas Park是我在FinHub的同事，他们为我写作本书提供了很多灵感。
欢迎读者来信对本书做出评价并给出建议，我的电邮地址是hull@rotman.utoronto.ca。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
