科学出版社|陆培丽: 从统计世界走向人工智能( 四 )


第4章 朴素贝叶斯方法在财务报表分析中的应用
4.1 通过三大报表推演企业未来财务
4.2 朴素贝叶斯理论介绍
4.2.1 贝叶斯理论的思想
4.2.2 朴素贝叶斯方法
4.2.3 朴素贝叶斯方法的参数估计
4.3 用朴素贝叶斯方法对企业未来财务的预测
4.3.1 分析框架
4.3.2 数据准备
4.3.3 模型测试
4.3.4 模型改进
4.4 朴素贝叶斯方法的总结以及延伸应用
第5章 MCMC方法及生物案例分析
5.1 MCMC理论介绍
5.1.1 马氏链
5.1.2 蒙特卡罗方法
5.1.3 MCMC方法
5.1.4 Metropolis-Hastings算法
5.1.5 独立链
5.1.6 随机游动链
5.1.7 Gibbs抽样
5.1.8 链的诊断
5.2 癌细胞分裂实例介绍
5.2.1 结肠癌细胞背景介绍
5.2.2 案例分析
5.2.3 MCMC方法总结以及延伸应用
第6章 聚类分析及银行信用画像
6.1 通过客户数据分类建立银行信贷标准
6.2 无监督学习之聚类分析
6.2.1 距离:聚类的基础
6.2.2 K-均值聚类
6.2.3 均值迁移聚类
6.2.4 基于密度的聚类方法
6.2.5 聚类方法的对比与评价
6.3 用聚类方法对银行信贷质量分类
6.3.1 分析框架
6.3.2 数据准备
6.3.3 模型初试
6.3.4 模型改进
6.4 聚类分析总结以及延伸应用
第7章 基于随机森林模型的高频交易订单结构分析与价格变动预测
7.1 采用随机森林模型做高频交易
7.2 随机森林模型介绍
7.2.1 决策树
7.2.2 信息熵
7.2.3 随机森林算法
7.2.4 OOB方法
7.2.5 参数选择概述
7.3 高频交易订单结构信息挖掘
7.3.1 分析框架
7.3.2 数据清洗
7.3.3 模型初试
7.3.4 模型改进
7.4 随机森林方法总结以及延伸应用
第8章 基于Xgboost的汽车行业供需预测
8.1 梯度提升与Xgboost
8.1.1 GB
8.1.2 GBDT
8.1.3 Xgboost
8.1.4 分布式Xgboost的设计理念
8.2 汽车行业案例
8.2.1 汽车案例的行业分析
8.2.2 数据预处理
8.2.3 Xgboost模型训练
8.2.4 结果展示
8.3 Xgboost在汽车行业应用的案例评价以及延伸应用
第9章 支持向量机原理及在投资择时中的运用
9.1 通过时机选择研究金融市场的买卖
9.2 SVM介绍
9.2.1 SVM是什么
9.2.2 线性分类器
9.2.3 核函数
9.3 在 Python中使用SVM
9.4 量化投资中的应用——使用SVM进行期货择时
9.4.1 技术指标择时背景
9.4.2 SVM股指期货择时策略
9.4.3 SVM择时策略结果分析
9.4.4 SVM择时策略优化改进
9.5 SVM择时总结以及延伸应用
第10章 基于LDA模型的电商产品评论主题分析
10.1 通过文本信息调研获得用户评价分析
10.1.1 文本挖掘
10.1.2 LDA模型
10.2 调研文本的数据处理
10.2.1 数据来源
10.2.2 文本评论分词
10.2.3 情感分析
10.3 LDA主题模型介绍
10.3.1 模型介绍
10.3.2 模型参数估计
10.3.3 模型的评价
10.4 LDA模型的算法
10.5 电商产品评价分析
10.5.1 结果展示
10.5.2 模型的不足和改进
10.6 LDA模型总结以及延伸应用
第11章 LSTM神经网络及糖尿病知识图谱构建
11.1 基于神经网络的糖尿病知识图谱构建
11.1.1 自然语言处理
11.1.2 实体识别
11.1.3 糖尿病文本数据集介绍
11.2 BiLSTM+CRF算法理论介绍


推荐阅读