商用机器学习（原书第3版）
定价：￥59.00
作者： 约翰·赫尔
出版时间：2025-10-28
出版社：机械工业出版社
- 机械工业出版社
- 9787111790198
- 1-1
- 562672
- 平装
- 2025-10-28
- 215
内容简介
机器学习作为人工智能值得期待的内容，也深具商业价值。本书是金融工程和风险管理大师约翰·赫尔教授的新著作。
全书深入浅出地讲解了机器学习的核心内容、常用和流行的算法以及大量机器学习的商用案例，对技术性要求很低，让读者很容易从商业的角度理解其技术内涵，特别适合机器学习的初学者和业界人士阅读，也非常适合大学商学院教学，帮助其学生了解“数据科学家”这个职业。
特别地，作者在书中同时使用Excel工作表和Python代码，方便初学者先从容易的Excel入手，按照自己的节奏，再慢慢转向Python，书中的相关数据、工作表和Python代码都可在指定网站查询。另外，本书还配有相关的教辅资料、PPT，以供参考。
全书深入浅出地讲解了机器学习的核心内容、常用和流行的算法以及大量机器学习的商用案例，对技术性要求很低，让读者很容易从商业的角度理解其技术内涵，特别适合机器学习的初学者和业界人士阅读，也非常适合大学商学院教学，帮助其学生了解“数据科学家”这个职业。
特别地，作者在书中同时使用Excel工作表和Python代码，方便初学者先从容易的Excel入手，按照自己的节奏，再慢慢转向Python，书中的相关数据、工作表和Python代码都可在指定网站查询。另外，本书还配有相关的教辅资料、PPT，以供参考。
目录
作者简介
译者简介
译者序言
前言
第1章 引言 / 1
1.1 机器学习与统计学 / 5
1.2 关于本书及相关材料 / 6
1.3 机器学习分类 / 8
1.4 验证和测试 / 11
1.5 数据清洗 / 19
1.6 贝叶斯定理 / 23
小结 / 26
练习题 / 28
作业题 / 29
第2章 无监督学习 / 30
2.1 特征标准化处理 / 31
2.2 k-均值算法 / 33
2.3 设置k值 / 39
2.4 维度灾难 / 42
2.5 国家和地区风险 / 43
2.6 其他聚类方法 / 52
2.7 主成分分析 / 55
小结 / 59
练习题 / 61
作业题 / 62
第3章 监督学习：线性与逻辑回归 / 64
3.1 线性回归：单特征 / 65
3.2 线性回归：多特征 / 67
3.3 分类特征 / 70
3.4 正则化 / 73
3.5 岭回归 / 74
3.6 套索回归 / 78
3.7 弹性网络回归 / 81
3.8 房价数据模型结果 / 82
3.9 逻辑回归 / 88
3.10 逻辑回归的准确性 / 91
3.11 信贷决策中的运用 / 92
3.12 k?-近邻算法 / 101
小结 / 102
练习题 / 103
作业题 / 104
第4章 监督学习：决策树 / 107
4.1 决策树的本质 / 108
4.2 信息增益测度 / 109
4.3 信息决策应用 / 112
4.4 朴素贝叶斯分类器 / 118
4.5 连续目标变量 / 124
4.6 集成学习 / 127
小结 / 130
练习题 / 132
作业题 / 132
第5章 监督学习：支持向量机 / 134
5.1 线性支持向量机分类 / 135
5.2 关于软间隔的修改 / 142
5.3 非线性分离 / 146
5.4 关于连续变量的预测 / 148
小结 / 152
练习题 / 153
作业题 / 154
第6章 监督学习：神经网络 / 155
6.1 单层人工神经网络 / 156
6.2 多层人工神经网络 / 162
6.3 其他激活函数 / 164
6.4 梯度下降算法 / 166
6.5 梯度下降算法的变形 / 173
6.6 迭代终止规则 / 175
6.7 布莱克-斯科尔斯-默顿公式 / 176
6.8 推广 / 181
6.9 理解波动率变动 / 182
小结 / 188
练习题 / 189
作业题 / 190
第7章 神经网络的进一步应用 / 192
7.1 自动编码器和主成分分析 / 193
7.2 通用自动编码器设计 / 196
7.3 变分自动编码器 / 197
7.4 生成对抗网络 / 200
7.5 递归神经网络 / 202
7.6 卷积神经网络 / 203
小结 / 208
练习题 / 209
作业题 / 210
第8章 强化学习 / 211
8.1 多臂老虎机问题 / 212
8.2 环境变化 / 221
8.3 Nim游戏博弈 / 223
8.4 时序差分学习 / 228
8.5 如果对手学习 / 232
8.6 深度Q学习 / 233
8.7 下棋 / 233
8.8 应用 / 235
8.9 最优交易执行 / 237
8.10 数据问题 / 241
小结 / 242
练习题 / 243
作业题 / 244
第9章 自然语言处理 / 246
9.1 数据来源 / 250
9.2 预处理 / 252
9.3 词袋模型 / 255
9.4 朴素贝叶斯分类器的应用 / 258
9.5 其他算法的应用 / 263
9.6 信息检索 / 265
9.7 其他自然语言处理的应用 / 267
小结 / 269
练习题 / 270
作业题 / 271
第10章 模型可解释性 / 272
10.1 线性回归 / 275
10.2 逻辑回归 / 280
10.3 黑盒模型 / 284
10.4 夏普利值 / 286
10.5 LIME / 289
小结 / 290
练习题 / 291
作业题 / 292
第11章 社会问题 / 293
11.1 数据隐私 / 294
11.2 偏见 / 295
11.3 道德伦理 / 298
11.4 透明度 / 299
11.5 对抗机器学习 / 300
11.6 法律问题 / 301
11.7 人类和机器 / 302
部分习题答案 / 305
术语表 / 329
译者简介
译者序言
前言
第1章 引言 / 1
1.1 机器学习与统计学 / 5
1.2 关于本书及相关材料 / 6
1.3 机器学习分类 / 8
1.4 验证和测试 / 11
1.5 数据清洗 / 19
1.6 贝叶斯定理 / 23
小结 / 26
练习题 / 28
作业题 / 29
第2章 无监督学习 / 30
2.1 特征标准化处理 / 31
2.2 k-均值算法 / 33
2.3 设置k值 / 39
2.4 维度灾难 / 42
2.5 国家和地区风险 / 43
2.6 其他聚类方法 / 52
2.7 主成分分析 / 55
小结 / 59
练习题 / 61
作业题 / 62
第3章 监督学习：线性与逻辑回归 / 64
3.1 线性回归：单特征 / 65
3.2 线性回归：多特征 / 67
3.3 分类特征 / 70
3.4 正则化 / 73
3.5 岭回归 / 74
3.6 套索回归 / 78
3.7 弹性网络回归 / 81
3.8 房价数据模型结果 / 82
3.9 逻辑回归 / 88
3.10 逻辑回归的准确性 / 91
3.11 信贷决策中的运用 / 92
3.12 k?-近邻算法 / 101
小结 / 102
练习题 / 103
作业题 / 104
第4章 监督学习：决策树 / 107
4.1 决策树的本质 / 108
4.2 信息增益测度 / 109
4.3 信息决策应用 / 112
4.4 朴素贝叶斯分类器 / 118
4.5 连续目标变量 / 124
4.6 集成学习 / 127
小结 / 130
练习题 / 132
作业题 / 132
第5章 监督学习：支持向量机 / 134
5.1 线性支持向量机分类 / 135
5.2 关于软间隔的修改 / 142
5.3 非线性分离 / 146
5.4 关于连续变量的预测 / 148
小结 / 152
练习题 / 153
作业题 / 154
第6章 监督学习：神经网络 / 155
6.1 单层人工神经网络 / 156
6.2 多层人工神经网络 / 162
6.3 其他激活函数 / 164
6.4 梯度下降算法 / 166
6.5 梯度下降算法的变形 / 173
6.6 迭代终止规则 / 175
6.7 布莱克-斯科尔斯-默顿公式 / 176
6.8 推广 / 181
6.9 理解波动率变动 / 182
小结 / 188
练习题 / 189
作业题 / 190
第7章 神经网络的进一步应用 / 192
7.1 自动编码器和主成分分析 / 193
7.2 通用自动编码器设计 / 196
7.3 变分自动编码器 / 197
7.4 生成对抗网络 / 200
7.5 递归神经网络 / 202
7.6 卷积神经网络 / 203
小结 / 208
练习题 / 209
作业题 / 210
第8章 强化学习 / 211
8.1 多臂老虎机问题 / 212
8.2 环境变化 / 221
8.3 Nim游戏博弈 / 223
8.4 时序差分学习 / 228
8.5 如果对手学习 / 232
8.6 深度Q学习 / 233
8.7 下棋 / 233
8.8 应用 / 235
8.9 最优交易执行 / 237
8.10 数据问题 / 241
小结 / 242
练习题 / 243
作业题 / 244
第9章 自然语言处理 / 246
9.1 数据来源 / 250
9.2 预处理 / 252
9.3 词袋模型 / 255
9.4 朴素贝叶斯分类器的应用 / 258
9.5 其他算法的应用 / 263
9.6 信息检索 / 265
9.7 其他自然语言处理的应用 / 267
小结 / 269
练习题 / 270
作业题 / 271
第10章 模型可解释性 / 272
10.1 线性回归 / 275
10.2 逻辑回归 / 280
10.3 黑盒模型 / 284
10.4 夏普利值 / 286
10.5 LIME / 289
小结 / 290
练习题 / 291
作业题 / 292
第11章 社会问题 / 293
11.1 数据隐私 / 294
11.2 偏见 / 295
11.3 道德伦理 / 298
11.4 透明度 / 299
11.5 对抗机器学习 / 300
11.6 法律问题 / 301
11.7 人类和机器 / 302
部分习题答案 / 305
术语表 / 329
