Python机器学习与量化投资 chm umd 阿里云 下载 夸克云 pdf azw3 kindle

《Python机器学习与量化投资》采用生动活泼的语言，从入门者的角度，讲解了Python语言和sklearn模块库内置的各种经典机器学习算法；介绍了股市外汇、比特币等实盘交易数据在金融量化方面的具体分析与应用，包括对未来股票价格的预测、大盘指数趋势分析等。简单风趣的实际案例让广大读者能够快速掌握机器学习在量化分析方面的编程，为进一步学习金融科技奠定扎实的基础。

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

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：Python机器学习与量化投资在线阅读

在线听书地址：Python机器学习与量化投资在线收听

在线购买地址：Python机器学习与量化投资在线购买

暂无原文赏析，正在全力查找中！

书籍介绍

《Python机器学习与量化投资》采用生动活泼的语言，从入门者的角度，讲解了Python语言和sklearn模块库内置的各种经典机器学习算法；介绍了股市外汇、比特币等实盘交易数据在金融量化方面的具体分析与应用，包括对未来股票价格的预测、大盘指数趋势分析等。简单风趣的实际案例让广大读者能够快速掌握机器学习在量化分析方面的编程，为进一步学习金融科技奠定扎实的基础。