作品简介

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。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。

约翰·赫尔(John C.Hull),约翰·赫尔加拿大多伦多大学罗特曼管理学院教授。在本书出版之前,他曾在金融衍生产品和风险管理领域出版了三本畅销书[1],因其著作侧重于应用,故在业界和学术领域都享有盛名。赫尔教授还是罗特曼管理学院金融创新实验室(FinHub)主任,该实验室负责研究金融创新产品并开发诸多相关教学资料。他还曾担任北美、日本和欧洲诸多公司的顾问,并获得过许多教学奖,包括多伦多大学著名的诺斯罗普·弗莱奖(Northrop Frye Award)。

译者:王勇,加拿大达尔豪斯大学数学博士,国家千人计划专家,现任天风证券首席风险官,CFA,FRM,著有《金融风险管理》,并主持翻译了《期权、期货及其他衍生产品》《风险管理与金融机构》《区块链:技术驱动金融》《未来金融:人工智能与数字化》等多部著作。

陈秋雨,浙江大学经济学博士,现就职于西交利物浦大学国际商学院,上海期货交易所与复旦大学联合培养博士后,并获“最佳博士后”称号,曾获中国期货业协会举办的全国高校论文大赛一等奖,目前从事人工智能交易与风险管理、区块链、数据科学、衍生产品交易等研究和教学。

廖琦,多伦多大学经济学硕士,现任上海光大光证股权投资基金管理有限公司总经理,FRM,在金融风险管理、巴塞尔协议和金融监管、资产证券化、股权投资以及政府和社会资本合作等领域有十余年丰富经验。

审校:张翔,教授,中国系统工程学会金融系统工程专业委员会委员,中国通信学会金融科技委员会委员,中国金融四十人(青年),四川省天府万人计划专家,现任西南财经大学大数据研究院副院长,博士生导师,华期梧桐资产管理有限公司首席科学家。

作品目录

  • 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
  • 作业题
  • 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