人工智能算法案例大全：基於Python

前言
第1章無處不在的演算法
1.1人工智慧發展的歷史
1.2人工智慧演算法的分類與流派

第2章常見的資料特徵處理
2.1常見的資料預處理和特徵選擇方法
2.1.1常見的數據預處理
2.1.2常見的特徵選擇方法
2.2主成分分析
2.2.1PCA演算法步驟和特徵分解理論
2.2.2PCA規約MNIST資料集
2.3高新技術企業行業技術週期資料的視覺化和相關性分析
2.3.1特徵的系統性描述
2.3.2特徵的深入觀察

第3章常見的回歸模型
3.1線性回歸模型
3.1.1普通小二乘法的原理
3.1.2廣告投入產出分析案例
3.2邏輯斯諦回歸
3.2.1邏輯斯諦回歸的原理
3.2.2乳腺癌惡性、良性腫瘤分類預測
3.3正則化方法
3.3.1普通小二乘法與嶺回歸
3.3.2核嶺回歸
3.3.3核嶺回歸、嶺回歸和LASSO的區別與聯繫
3.3.4常用核函數
3.3.5社區和犯罪資料集的分析

第4章基於實例的演算法
4.1K-Means演算法
4.1.1K-Means的演算法原理
4.1.2基於K-Means聚類分析的肥胖原因探索
4.2KNN演算法
4.2.1KNN的演算法原理
4.2.2手機流量套餐的KNN聚類研究

第5章樹方法
5.1決策樹
5.1.1決策樹的原理
5.1.2泰坦尼克號的末日求生
5.2隨機森林
5.2.1隨機森林的原理
5.2.2泰坦尼克號的生存分析
5.3XGBoost
5.3.1XGBoost的演算法原理
5.3.2滬深300指數的波動率預測

第6章神經網路
6.1多層感知器
6.1.1線性可分的二分類案例
6.1.2線性不可分的案例
6.2深度神經網路
6.2.1基於Ames House Price資料的XGBoost模型案例
6.2.2基於Ames House Price資料的深度神經網路案例
6.3卷積神經網路
6.3.1隨機森林識別mnist資料集
6.3.2卷積神經網路識別mnist資料集
6.3.3卷積神經網路識別帶有雜訊的mnist資料集
6.4迴圈神經網路
6.4.1時間序列的視覺化與特徵分析
6.4.2GRU網路結構設計
6.4.3模型訓練與預測

第7章自然語言處理
7.1常用的文本處理技巧
7.1.1文本資料展示和基本性質觀察
7.1.2多個語料庫的深入分析
7.2文本分析和挖掘
7.2.1Women's Clothing E-Commerce Reviews資料集的分析與觀察
7.2.2基於詞向量模型的分類預測
7.2.3基於詞彙的情感分析
7.3主題建模
7.3.1潛在語義分析
7.3.2sklearn庫的LDA模型
7.3.3gensim庫的LDA模型
7.4新聞的內容分析與LDA主題模型的相關性分析
7.4.1基於內容分析法分析新聞資料
7.4.2新聞資料的LDA模型分析

第8章社會網路
8.1社會網路的介紹和統計
8.1.1社會網路的基礎概念及視覺化
8.1.2社會網路的多種統計指標
8.2社交網路的資料分析
8.2.1某線上社交網路分析
8.2.2貴格會的社交網路分析

第9章遺傳演算法
9.1遺傳演算法與旅行商問題
9.1.1旅行商問題在遺傳演算法中的定義
9.1.2遺傳演算法的選擇、交叉和變異
9.2遺傳演算法與波士頓房價預測
9.2.1利用經典回歸模型預測波士頓房價
9.2.2利用遺傳演算法進行特徵選擇
9.3Geatpy庫的應用實例
9.3.1啤酒混合策略
9.3.2房間佈局優化問題

第10章推薦演算法
10.1電影資料集的協同過濾推薦
10.1.1電影資料集的介紹和視覺化
10.1.2基於電影評分資料的協同過濾推薦演算法
10.1.3基於內容資料的協同過濾推薦演算法
10.2基於巡航資料的模糊控制系統
10.2.1智慧巡航控制系統
10.2.2小費決策的模糊控制系統

李一邨，浙大城市學院青年英才、浙江大學量化金融博士、杭州市科協智庫專家、杭州科促會資料科學家與理事會理事、杭州師範大學校外指導老師，現任杭州伊園科技有限公司總經理。前沿量化科學領域的深耕者，致力於將多元學科的前沿理論嫁接融合到金融投資領域。曾連續5屆（第8~12屆）獲得《證券時報》和《期貨日報》聯合評選的“中國金融量化策略工程師”。