图书介绍

Python机器学习与量化投资pdf电子书版本下载

Python机器学习与量化投资
  • 何海群著 著
  • 出版社: 北京:电子工业出版社
  • ISBN:9787121352102
  • 出版时间:2018
  • 标注页数:288页
  • 文件大小:30MB
  • 文件页数:302页
  • 主题词:软件工具-程序设计

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示:(请使用BT下载软件FDM进行下载)软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

下载说明

Python机器学习与量化投资PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台)。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用!后期资源热门了。安装了迅雷也可以迅雷进行下载!

(文件页数 要大于 标注页数,上中下等多册电子书除外)

注意:本站所有压缩包均有解压码: 点击下载压缩包解压工具

图书目录

第1章 Python与机器学习 1

1.1 scikit-learn模块库 2

1.1.1 scikit-learn的缺点 3

1.1.2 scikit-learn算法模块 4

1.1.3 scikit-learn六大功能 5

1.2 开发环境搭建 8

1.2.1 AI领域的标准编程语言:Python 8

1.2.2 zwPython:难度降低90%,性能提高10倍 9

1.2.3 “零对象”编程模式 11

1.2.4 开发平台搭建 12

1.2.5 程序目录结构 12

案例1-1:重点模块版本测试 13

1.3 机器学习:从忘却开始 17

1.4 学习路线图 20

第2章 机器学习编程入门 21

2.1 经典机器学习算法 21

2.2 经典爱丽丝 22

案例2-1:经典爱丽丝 24

案例2-2:爱丽丝进化与文本矢量化 26

2.3 机器学习算法流程 28

2.4 机器学习数据集 28

案例2-3:爱丽丝分解 29

2.5 数据切割函数 33

2.6 线性回归算法 34

案例2-4:爱丽丝回归 35

第3章 金融数据的预处理 40

3.1 至简归一法 40

案例3-1:麻烦的外汇数据 41

案例3-2:尴尬的日元 45

案例3-3:凶残的比特币 49

3.2 股票池与Rebase 51

3.2.1 股票池 51

3.2.2 Rebase与归一化 52

案例3-4:股票池Rebase归一化 53

3.3 金融数据切割 57

案例3-5:当上证遇到机器学习 58

3.4 preprocessing模块 63

案例3-6:比特币与标准化 65

案例3-7:比特币与归一化 69

第4章 机器学习快速入门 72

4.1 回归算法 72

4.2 LR线性回归模型 73

案例4-1:上证指数之LR回归事件 76

4.3 常用评测指标 81

4.4 多项式回归 83

案例4-2:上证指数的多项式故事 83

案例4-3:预测比特币价格 86

4.5 逻辑回归算法模型 87

案例4-4:上证指数预测逻辑回归版 88

第5章 模型验证优化 96

5.1 交叉验证评估器 96

案例5-1:交叉验证 98

5.2 交叉验证评分 101

案例5-2:交叉验证评分 101

第6章 决策树 103

6.1 决策树算法 103

6.1.1 ID3算法与C4.5算法 105

6.1.2 常用决策树算法 106

6.1.3 sklearn内置决策树算法 107

6.2 决策树回归函数 109

案例6-1:决策树回归算法 110

6.3 决策树分类函数 115

案例6-2:决策树分类算法 116

6.4 GBDT算法 121

6.5 迭代决策树函数 122

案例6-3:GBDT回归算法 123

案例6-4:GBDT分类算法 128

第7章 随机森林算法和极端随机树算法 133

7.1 随机森林函数 135

7.2 决策树测试框架 137

案例7-1:RF回归算法大测试 138

7.3 决策树测试函数 140

案例7-2:上证的RF回归频道 142

案例7-3:当比特币碰到RF回归算法 146

案例7-4:上证和RF分类算法 147

7.4 极端随机树算法 150

7.5 极端随机树函数 151

案例7-5:极端随机树回归算法 152

案例7-6:上证指数案例应用 154

案例7-7:ET、比特币,谁更极端 155

第8章 机器学习算法模式 159

8.1 学习模式 161

8.2 机器学习五大流派 164

8.3 经典机器学习算法 165

8.4 小结 166

第9章 概率编程 167

9.1 朴素贝叶斯的上证之旅 168

案例9-1:上证朴素贝叶斯算法 170

9.2 隐马尔可夫模型 175

案例9-2:HMM模型与模型保存 176

案例9-3:HMM算法与模型读取 180

第10章 实例算法 185

K最近邻算法 186

案例10-1:第一次惊喜——KNN算法 187

案例10-2:KNN分类 190

第11章 正则化算法 192

11.1 岭回归算法 193

案例11-1:新高度——岭回归算法 195

11.2 套索回归算法 197

案例11-2:套索回归算法应用 199

11.3 弹性网络算法 201

案例11-3:弹性网络算法应用 202

11.4 最小角回归算法 204

案例11-4:LARS算法应用 204

第12章 聚类分析 206

12.1 K均值算法 207

案例12-1:K均值算法应用 208

12.2 BIRCH算法 210

案例12-2:BIRCH算法应用 211

12.3 小结 213

第13章 降维算法 215

13.1 主成分分析 216

案例13-1:主成分分析的应用 218

案例13-2:PCA算法的上证戏法 223

13.2 奇异值分解算法 227

案例13-3:奇异果传说:SVD 228

第14章 集成算法 229

14.1 sklearn内置集成算法 231

14.2 装袋算法 232

案例14-1:装袋回归算法 232

案例14-2:装袋分类算法 234

14.3 AdaBoost迭代算法 236

案例14-3:AdaBoost迭代回归算法 237

案例14-4:AdaBoost迭代分类算法 239

第15章 支持向量机 242

15.1 支持向量机算法 242

15.2 SVM函数接口 244

案例15-1:SVM回归算法 245

案例15-2:SVM分类算法 247

第16章 人工神经网络算法 250

多层感知器 252

案例16-1:多层感知器回归算法 253

案例16-2:多层感知器分类算法 256

附录A sklearn常用模块和函数 259

附录B 量化分析常用指标 284

精品推荐