介紹了機器學習中關于監(jiān)督學習和無監(jiān)督學習的相關理論及其在金融領域中的應用。從機器學習基礎概念入手,由淺入深,由概念理論延伸至實際應用。其中,理論篇深入淺出地闡述了常見的監(jiān)督學習算法和無監(jiān)督學習算法,以更為直觀和形象的方法來介紹相關復雜理論,尤其適合經(jīng)管類專業(yè)學生閱讀。此外,應用篇闡述了機器學習算法在金融各領域中的應用,其中的案例以現(xiàn)實金融問題為基礎,利用機器學習算法來解決金融問題(部分案例給出具體的算法和Python代碼實現(xiàn))。在每章最后給出了復習思考題,有利于學生更好地掌握本書內(nèi)容。本書是經(jīng)管類學生進入大數(shù)據(jù)金融和金融科技領域較好的入門教程。
當你走在路上,看到路邊的花心生歡喜,掏出手機想查查它們的芳名,打開軟件、上傳照片后,很快軟件給出了識別結果:這是白丁香;當你在音樂軟件上聽歌,突然被一首歌驚艷了,于是你給這首歌標記了一顆紅心表示喜歡,天軟了一批風格的歌曲,仿佛軟件懂你的心意。如今,機器學從高精尖的學術工程研究泛化開來,普及到我們生活的方方面面。這能的智能實現(xiàn),都依賴于機器學過計算機應用聚類、分類、回歸算法結已有數(shù)據(jù)內(nèi)涵的統(tǒng)計規(guī)律,并對新數(shù)據(jù)應用統(tǒng)計規(guī)律作預測或判斷。
本章1.pan>節(jié)介紹機器學本概念,1.2節(jié)介紹機器學本術語,1.3節(jié)介紹機器學類。
1.pan>機器學
1.1.pan>機器學義
機器學及線代數(shù)、概率論、統(tǒng)計學、信息論、運籌學等多領域的交叉學科,是應用計算機的尋找數(shù)據(jù)內(nèi)含的統(tǒng)計規(guī)律并應用統(tǒng)計規(guī)律獲取結果的實踐過程。
從流程看,機器學分為“數(shù)據(jù)一模型一數(shù)據(jù)”三段:向模型輸入已知數(shù)據(jù)求取參數(shù),對訓練好的模型調(diào)參以提高率和降低復雜度,向優(yōu)化后的模型輸入未知數(shù)據(jù)作分類或預測。簡而言之,是訓練模型、優(yōu)化模型、應用模型。
從對象看,機器學繞數(shù)行的實踐:首先對數(shù)行預處理和篩選,然后針對數(shù)據(jù)結構選擇合適的模型,再對新數(shù)據(jù)作處理得到結果。這也客觀要求數(shù)據(jù)具備規(guī)律,只有具備規(guī)律的數(shù)據(jù)才能應用統(tǒng)計方法,才能得到有意義的結果。
從目的看,機器學了從數(shù)據(jù)中提取我們想要的結果,具體分為兩步:步即中間目的,是通過對已有數(shù)行分析搭建概率統(tǒng)計模型;步即終目的,是根據(jù)學概率統(tǒng)計模型對新數(shù)行分析。在這個過程中要優(yōu)化學,提率,在學率和時間復雜度中達到均衡。
從形式看,機器學符合自然模式的思考方式。機器學上是通過相關對事物關行判別,而人類本質(zhì)上是通過邏輯對事物關行判別。人類具有思維,會對思行整理,會用因果關系穿針引線,將線索歸納為邏輯線條;現(xiàn)階段機器沒有思維,往往是計算變量間的相關,并以公式綜合展現(xiàn)數(shù)據(jù)間的關系。我們很難證明風吹和樹動的邏輯關系,畢竟邏輯是主觀的,但很容易證明風吹和樹動之間存在強相關關系,因為相關是客觀的。
1.1.2機器學法
機器學分為監(jiān)督學監(jiān)督學監(jiān)督學動學類,其中基礎廣泛的是監(jiān)督學監(jiān)督學督學用有明確標注結果的數(shù)據(jù)構建統(tǒng)計模型的學;無監(jiān)督學用無明確標注結果的數(shù)據(jù)構建統(tǒng)計模型的學;半監(jiān)督學動學強化學學監(jiān)督學發(fā)展而來的。在每個大類下,機器學身經(jīng)百戰(zhàn)、的算法。例如,在監(jiān)督學有kk均值聚類、PCA等算法,可用于聚類或降維。
茍小菊,主編。茍小菊,中國科學技術大學管理學院金融專業(yè)碩士中心副主任,副教授,發(fā)表各類學術論文20余篇,出版著作兩部。研究方向為國際商務、公共管理、金融工程。