Python机器学习与量化投资2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

Python机器学习与量化投资PDF格式电子书版下载

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

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：Python8

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Rebase51

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：SVD228

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