[2019年新书] Python机器学习：来自医疗保健，零售和金融的案例研究（1）

 

Python机器学习：来自医疗保健，零售和金融的案例研究

作者：Puneet Mathur
年份： 2019年 
版本： 1 
语言： 英语 
页数： 379 
ISBN 10： 1484237862 
ISBN 13： 978-1484237861 
文件： PDF，6.94 MB

 

下载【英文版】：https://download.csdn.net/download/zhouzhe/11147991

 

试读 第16章-金融AI案例研究

英文链接: https://pan.baidu.com/s/1U-IaM5YQj6TuRaSRqtA9IQ 提取码: 12h5 

中文链接: https://pan.baidu.com/s/17oQuY7ocHSWOSLohc16Itw 提取码: iutk 

获得金融，医疗保健和零售机器学习的实用技能。本书通过提供每个领域的案例研究，采用实践方法：您将看到演示如何将机器学习用作业务增强工具的示例。作为领域专家，您不仅可以了解机器学习如何用于金融，医疗保健和零售，还可以通过实施机器学习的实际案例研究。
机器学习应用程序使用Python分为三个部分，每个部分对应一个域（医疗保健，金融和零售）。每个部分都首先概述了该领域的机器学习和关键技术进步。

目录

关于作者------ xi
关于技术评论员------ xiii
致谢------ xv
简介------ xvii
目录
第1章：医疗机器学习概述------ 1
为练习安装Python ------ 2
技术采用的过程------ 2
机器学习如何改变医疗保健------ 8
结束注释------ 11
第2章：医疗保健的关键技术进步------ 13
情景2025 ------ 13
狭窄与广泛的机器学习------ 14
世界各地医疗机构的现状------ 16
机器学习在医疗保健中的重要性------ 19
结束注释------ 34
第3章：如何在医疗保健中实施机器学习------ 37
有巨大潜力的医疗保健研究领域------ 37
放射学中常见的机器学习应用------ 40
使用医疗保健数据集------ 41
机器学习发展的生命周期------ 41
实施患者电子健康记录数据集------ 44
检测异常值------ 52
数据准备------ 67
结束注释------ 75
第4章：医疗保健AI中的案例研究------ 77
案例研究1：实验室协调员问题------ 78
案例研究2：医院食物浪费问题------ 100
第5章：医疗机器学习中应避免的陷阱------ 121
实现业务目标------ 122
这不是竞争，而是应用业务！ ------ 123
不要陷入规划和设计缺陷------ 126
为您的预测模型选择最佳算法------ 129
你在使用敏捷机器学习吗？ ------ 130
确定项目的技术风险------ 131
结束注释------ 134
第6章：医疗保健机器学习货币化------ 135
Intro-Hospital Communication Apps ------ 135
连接的患者数据网络------ 140
医疗保健中的物联网------ 142
结束注释------ 145
第7章：零售业机器学习概述------ 147
零售细分------ 149
零售价值主张------ 151
零售业技术采用的过程------ 153
零售业的现状分析------ 155
第8章：零售业的关键技术进步------ 159
情景2025 ------ 159
零售与广泛的零售机器学习------ 161
世界零售机构的现状------ 162
零售机器学习的重要性------ 164
研究设计概述：------ 170
数据收集方法------ 170
数据分析------ 171
道德考虑------ 171
研究的局限性------ 171
审查研究------ 172
零售业技术采用阶段，2018年------ 179
结束注释------ 181
第9章：如何在零售中实施机器学习------ 183
实现零售业机器学习生命周期------ 185
无监督学习------ 186
可视化和绘图------ 190
加载数据集------ 193
可视化样本数据集------ 198
特征工程与选择------ 201
可视化特征关系------ 204
样本转换------ 206
异常值检测和过滤------ 207
主成分分析------ 210
聚类和Biplot可视化实现------ 212
结束注释------ 216
第10章：零售AI案例研究------ 217
什么是推荐系统？ ------ 217
案例研究1：在线零售市场推荐引擎创建------ 218
案例研究2：为AMDAP零售集团谈论机器人------ 233
结束注释------ 237
第11章：零售机器学习中应避免的陷阱------ 239
供应链管理与物流------ 239
库存管理------ 241
客户管理------ 242
物联网------ 245
结束注释------ 247
第12章：零售机器学习货币化 -   -  249
连接零售店------ 249
连接仓库------ 252
协作社区移动商店------ 254
结束注释------ 257
第13章：金融机器学习概述------ 259
财务部门------ 261
金融价值主张------ 262
金融部门的技术采用过程------ 265
结束注释------ 270
第14章：金融的关键技术进步------ 271
情景2027 ------ 271
金融中的狭义与广泛的机器学习------ 272
世界各地的金融机构现状------ 274
机器学习在金融中的重要性------ 274
研究设计概述------ 280
数据收集方法------ 281
数据分析------ 281
道德考虑------ 282
研究的局限性------ 282
审查研究------ 282
2018年金融技术采用阶段------ 290
结束注释------ 292
第15章：如何在金融中实施机器学习------ 295
实现金融机器学习生命周期------ 297
启动守则------ 299
特征重要性------ 304
看着异常值------ 306
准备数据集------ 309
编码列------ 312
将数据拆分为特征------ 313
评估模型性能------ 313
确定特征------ 321
最终参数------ 324
结束注释------ 324
第16章：金融案例研究AI---- 325
案例研究1：股市走势预测------ 325
案例研究的问题------ 327
案例研究的拟议解决方案------ 328
案例研究2：检测财务报表欺诈------ 347
案例研究的问题------ 349
关于案例研究解决方案的讨论：------ 349
结束注释------ 354
第17章：金融机器学习中应避免的陷阱------ 355
监管陷阱------ 355
政府法律和行政控制人，证券和管理
贸易委员会（SEC）------ 358
国家法律和控制者------ 358
自律组织------ 359
数据隐私陷阱------ 360
结束注释------ 362
第18章：金融机器学习货币化------ 363
连接银行------ 363
飞入金融市场------ 367
金融资产交易所------ 369
结束注释------ 372
索引------ 373