-
概率与统计的初窥
-
离散型随机变量及其分布
-
连续型随机变量及其分布
-
联合分布与边缘分布
-
条件概率与全概率公式与贝叶斯公式
-
矩估计与极大似然估计
-
有趣的统计学小问题(案例)
-
一元线性回归模型的基本概念
-
最小二乘法估计参数
-
极大似然估计法估计参数
-
多元线性回归模型的基本概念
-
多元线性回归模型的参数估计
-
假设检验的基本知识
-
线性回归模型中的假设检验
-
指数族分布
-
逻辑回归模型的基本概念
-
逻辑回归模型的参数估计
-
多分类下的逻辑回归
-
泊松回归模型
-
泊松回归模型的极大似然估计法
-
训练集、验证集与测试集
-
过拟合与欠拟合
-
K-折交叉验证法
-
分类场景下的性能度量
-
分类场景下的损失函数
-
回归场景下的模型性能度量和损失函数
-
决策树模型的基本概念
-
决策树的构造及节点分裂
-
决策树的剪枝
-
随机森林模型基本概念
-
随机森林模型的调参
-
于随机森林的变量重要性评估与案例解析
-
boosting模型介绍
-
adaboost模型介绍
量化风控算法学习目录
最新推荐文章于 2024-09-28 22:05:59 发布
本文深入探讨了量化风控领域的算法基础,涵盖了概率统计、线性回归、逻辑回归、决策树、随机森林、梯度提升、神经网络等关键概念。从概率与统计的初步理解,到各种估计方法的介绍,再到监督学习模型如逻辑回归、线性回归的参数估计,以及无监督学习中的聚类算法,最后涉及深度学习的基础和应用,包括激活函数、反向传播和卷积神经网络。此外,还讨论了模型评估和防止过拟合的方法,以及如何处理数据缺失和利用迁移学习提升模型性能。
摘要由CSDN通过智能技术生成