机器学习实践指南

　　机器学习应用遍及人工智能的各个领域，是众多数学科学家需要学习的内容。本书第壹部分提供了一个相当复杂的机器学习系统，以帮助读者提高其效率。第二部分重点介绍了三个不同的基于现实世界的数据的案例研究，并提供相应解决方案。全书通过知识介绍，使读者了解收集数据、准备使用数据、训练模型、评估模型的性能，以及改进模型的性能的方法；通过对实际问题解决的讲解，帮助读者获得处理机器学习问题的经验。

　　作者：（英）阿图尔·特里帕蒂 译者：王喆 译者：曹建勋阿图尔·特里帕蒂（Atul Tripathi），在机器学习和量化投资领域有超过11年的从业经历，并拥有14年的软件开发和研究经验。他一直致力于先进的机器学习技术，如神经网络和马尔可夫模型的研究。在研究机器学习技术的同时，他利用其解决了图像处理、电信、语音识别和自然语言处理等领域相关的诸多问题。他还利用神经网络模型开发了文本挖掘工具。在量化投资领域，他利用蒙特卡罗仿真开发了价值风险、极值定理、期权定价和能源衍生品等模型。

译者序 

前言 

第1章 机器学习引言 1 

1.1 什么是机器学习 1 

1.2 分类方法概述 2 

1.3 聚类方法概述 2 

1.4 监督学习概述 3 

1.5 无监督学习概述 4 

1.6 增强学习概述 4 

1.7 结构化预测概述 5 

1.8 神经网络概述 5 

1.9 深度学习概述 6 

第2章 分类 7 

2.1 引言 7 

2.2 判别函数分析：地下卤水地质化学测量 8 

2.3 多元逻辑回归：理解学生的课程计划选择 15 

2.4 Tobit回归：评估学生的学术能力 20 

2.5 泊松回归：理解加拉帕戈斯群岛现存物种 27 

第3章 聚类 38 

3.1 引言 38 

3.2 层次聚类：世界银行样本数据集 39 

3.3 层次聚类：1999～2010年 

亚马逊雨林的烧毁情况 44 

3.4 层次聚类：基因聚类 55 

3.5 二进制聚类：数学测验 68 

3.6 k均值聚类：欧洲各国蛋白质消耗量 75 

3.7 k均值聚类：食品 80 

第4章 模型选择和正则化 86 

4.1 引言 86 

4.2 压缩方法：每天消耗的卡路里 87 

4.3 降维方法：Delta航空公司航空队 100 

4.4 主成分分析：理解世界菜肴 109 

第5章 非线性 114 

5.1 广义加性模型：衡量新西兰的家庭收入 114 

5.2 平滑样条：理解汽车和速度 119 

5.3 局部回归：理解干旱警告和影响 129 

第6章 监督学习 136 

6.1 引言 136 

6.2 决策树学习：对胸痛患者的预先医疗护理指示 137 

6.3 决策树学习：基于收入的房地产价值分布 145 

6.4 决策树学习：预测股票走势方向 154 

6.5 朴素贝叶斯：预测股票走势方向 170 

6.6 随机森林：货币交易策略 184 

6.7 支持向量机：货币交易策略 193 

6.8 随机梯度下降：成人收入 201 

第7章 无监督学习 208 

7.1 引言 208 

7.2 自组织映射：可视化热图 209 

7.3 矢量量化：图像聚类 212 

第8章 增强学习 217 

8.1 引言 217 

8.2 马尔可夫链：股票区制转移模型 218 

8.3 马尔可夫链：多渠道归因模型 229 

8.4 马尔可夫链：汽车租赁代理服务 239 

8.5 连续马尔可夫链：加油站的车辆服务 243 

8.6 蒙特卡罗模拟：校准Hull-White短期利率 247 

第9章 结构化预测 257 

9.1 引言 257 

9.2 隐马尔可夫模型：欧元和美元 257 

9.3 隐马尔可夫模型：区制检测 263 

第10章 神经网络 270 

10.1 引言 270 

10.2 为S&P 500建模 270 

10.3 衡量失业率 278 

第11章 深度学习 292 

11.1 引言 292 

11.2 循环神经网络：预测周期信号 292 

第12章 案例研究：探索世界银行数据 299 

12.1 引言 299 

12.2 探索世界银行数据 299 

第13章 案例研究：再保险合同定价 316 

13.1 引言 316 

13.2 再保险合同定价 316 

第14章 案例研究：用电量预测 329 

14.1 引言 329 

14.2 用电量测量 329