《商用机器学习：数据科学实践》内容简介

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