2019年07月_hfut1234567

贝叶斯网引论(张连文、郭海鹏).zip

书是第一本系统论述贝叶斯网的基本理论、算法及其应用的中文专著。内容包括概论论及贝叶斯网基本概念、贝叶斯网推理、贝叶斯网学习，以及贝叶斯网在中医中的应用四大部分从贝叶斯理论的基本概念开始讲起，公式推导十分详细，还有非常丰富的实例以及相关理论的应用。《贝叶斯网引论》最值得称道的一点是上面大部分的算法都给出了图示，也就是随着算法一次次迭代的

2019-07-26

Financial Machine Learning.zip

机器学习技术在量化分析领域已经成为一门独立的学科，由于涉及数据分析，数据标签，样本处理，特征提取等完整的数据分析流程，量化机器学习已经在金融投资和套利领域发挥越来越重要的作用。此书从传统机器学习方法到数据分析再到金融数据回测，深入浅出的讲解了数学和统计学在金融量化机器学习中的非常作用，既有基本面分析思想，又有高超的数学技巧，高山流水，欲罢不能

2019-05-30

内容简介《世界著名计算机教材精选：数据挖掘十大算法》详细介绍了在实际中用途最广、影响最大的十种数据挖掘算法，这十种算法是数据挖掘领域的顶级专家进行投票筛选的，覆盖了分类、聚类、统计学习、关联分析和链接分析等重要的数据挖掘研究和发展主题。《世界著名计算机教材精选：数据挖掘十大算法》对每一种算法都进行了多个角度的深入剖析，包括算法历史、算法过程、算法特性、软件实现、前沿发展等，此外，在每章最后还给出了丰富的习题和精挑细选的参考文献，对于读者掌握算法基本知识和进一步研究都非常有价值，对数据挖掘、机器学习和人工智能等学科的课程的设计有指导意义。目录第1章C4.5 1 1.1引言2 1.2算法描述3 1.3算法特性6 1.3.1决策树剪枝6 1.3.2连续型属性8 1.3.3缺失值处理8 1.3.4规则集诱导9 1.4软件实现10 1.5示例10 1.5.1 Golf数据集10 1.5.2 Soybean数据集11 1.6高级主题11 1.6.1二级存储12 1.6.2斜决策树12 1.6.3特征选择12 1.6.4集成方法12 1.6.5分类规则13 1.6.6模型重述13 1.7习题14 参考文献15 第2章k-means18 2.1引言19 2 .2算法描述19 2.3可用软件22 2.4示例23 2.5高级主题27 2.6小结28 2.7习题28 参考文献29 第3章SVM：支持向量机31 3.1支持向量分类器32 3.2支持向量分类器的软间隔优化34 3.3核技巧35 3.4理论基础38 3.5支持向量回归器40 3.6软件实现41 3.7当前和未来的研究41 3.7.1计算效率41 3.7.2核的选择41 3.7.3泛化分析42 3.7.4结构化支持向量机的学习42 3.8习题43 参考文献44 第4章Apriori47 4.1引言48 4.2算法描述48 4.2.1挖掘频繁模式和关联规则48 4.2.2挖掘序列模式52 4.2.3讨论53 4.3软件实现54 4.4示例55 4.4.1可行示例55 4.4.2性能评估60 4.5高级主题61 4.5.1改进Apriori类型的频繁模式挖掘61 4.5.2无候选的频繁模式挖掘62 4.5.3增量式方法63 4.5.4稠密表示: 闭合模式和最大模式63 4.5.5量化的关联规则64 4.5.6其他的重要性/兴趣度度量方法65 4.5.7类别关联规则66 4.5.8使用更丰富的形式：序列、树和图66 4.6小结67 4.7习题67 参考文献68 第5章EM72 5.1引言73 5.2算法描述74 5.3软件实现74 5.4示例75 5.4.1例5.1：多元正态混合75 5.4.2例5.2: 混合因子分析78 5.5高级主题80 5.6习题81 参考文献87 第6章PageRank90 6.1引言91 6.2算法描述92 6.3一个扩展：Timed-PageRank95 6.4小结96 6.5习题96 参考文献97 第7章AdaBoost98 7.1引言99 7.2算法描述99 7.2.1符号定义99 7.2.2通用推举过程100 7.2.3AdaBoost算法101 7.3示例103 7.3.1异或问题求解103 7.3.2真实数据上的性能104 7.4实际应用105 7.5高级主题107 7.5.1理论问题107 7.5.2多类别AdaBoost110 7.5.3其他高级主题111 7.6软件实现111 7.7习题112 参考文献113 第8章kNN： k-最近邻115 8.1引言116 8.2算法描述116 8.2.1宏观描述116 8.2.2若干议题117 8.2.3软件实现118 8.3示例118 8.4高级主题120 8.5习题121 致谢121 参考文献122 第9章Naive Bayes124 9.1引言125 9.2算法描述125 9.3独立给力127 9.4模型扩展128 9.5软件实现130 9.6示例130 9.6.1例1130 9.6.2例2132 9.7高级主题133 9.8习题133 参考文献134 第10章CART：分类和回归树136 10.1前身137 10.2概述138 10.3示例138 10.4算法描述140 10.5分裂准则141 10.6先验概率和类别均衡142 10.7缺失值的处理144 10.8属性的重要度145 10.9动态特征构造146 10.10代价敏感学习147 10.11停止准则、剪枝、树序列和树选择147 10.12概率树149 10.13理论基础150 10.14 CART之后的相关研究150 10.15可用软件151 10.16习题152 参考文献153 《世界著名计算机教材精选：数据挖掘十大算法》详细介绍了在实际中用途最广、影响最大的十种数据挖掘算法，这十种算法是数据挖掘领域的顶级专家进行投票筛选的，覆盖了分类、聚类、统计学习、关联分析和链接分析等重要的数据挖掘研究和发展主题。《世界著名计算机教材精选：数据挖掘十大算法》对每一种算法都进行了多个角度的深入剖析，包括算法历史、算法过程、算法特性、软件实现、前沿发展等，此外，在每章最后还给出了丰富的习题和精挑细选的参考文献，对于读者掌握算法基本知识和进一步研究都非常有价值，对数据挖掘、机器学习和人工智能等学科的课程的设计有指导意义。

2018-12-12