图书介绍
金融数据挖掘PDF|Epub|txt|kindle电子书版本网盘下载
- 刘振亚，李伟编著 著
- 出版社： 北京：中国经济出版社
- ISBN：9787513642484
- 出版时间：2016
- 标注页数：218页
- 文件大小：24MB
- 文件页数：246页
- 主题词：金融－数据处理
PDF下载
下载说明
金融数据挖掘PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
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
图书目录
导言1
第一章 有监督的金融数据分类分析——Logit、LDA、QDA与KNN4
第一节 Logistic分类法4
第二节 LDA、QDA与KNN分类法10
一、LDA分类法10
二、QDA分类法15
三、KNN分类法16
四、小结16
第三节 案例1：上证综合指数涨跌预测17
第二章 无监督的金融数据分类分析——聚类分析36
第一节 系统聚类法和K-means聚类法36
一、系统聚类法36
二、K-means聚类法37
第二节 案例2：系统聚类分析法的应用——股指状态阶段的判断与划分38
第三节 案例3：应用K-means聚类法分析月度股指数据46
第三章 金融数据重抽样53
第一节 交叉验证方法53
一、基础交叉验证法53
二、改进方法54
三、分类问题中的交叉验证法56
第二节 拔靴法57
第三节 案例4：重抽样方法下的股指涨跌预测模型的再分析59
第四章 线性模型筛选69
第一节 子集筛选法69
一、最优子集筛选70
二、逐步选择70
三、选择最优模型的标准71
第二节 收缩筛选法74
一、岭回归74
二、Lasso方法75
第三节 案例5：regsubsets函数在股指涨跌预测模型筛选中的用法76
一、最优子集筛选法76
二、向前筛选法84
三、向后筛选法88
第五章 克服维数灾难97
第一节 主成分分析法97
一、主成分分析法的原理97
二、主成分得分法与主成分回归法100
第二节 部分最小二乘法104
一、提取方向104
二、部分回归104
三、主成分回归法和部分最小二乘法的优缺点105
四、高维度问题小结105
第三节 案例6：主成分分析法在选股中的应用106
结果分析109
第六章 决策树113
第一节 决策树的分类和基本知识113
一、回归树113
二、分类树119
三、树与线性模型的对比122
四、树状模型的优缺点123
第二节 三种提高树状模型预测精度的方法124
一、Bagging124
二、Random Forest127
三、Boosting130
第三节 案例7：决策树方法在股指涨跌预测中的应用131
第四节 案例8：Bagging、Random Forest和Boosting方法在决策树模型中的应用148
第七章 支持向量机162
第一节 最大边际分类器与支持向量分类器162
一、最大边际分类器162
二、支持向量分类器166
第二节 支持向量机168
一、非线性决定边界的分类法168
二、支持向量机169
三、SVM与岭回归、Lasso和逻辑回归的关系170
第三节 案例9：基于SVM方法的上证指数涨跌预测172
一、判断样本点的可分性172
二、SVM在实际数据中的应用的效果181
三、结论190
第八章 R语言及制图198
第一节 基本操作198
一、向量和矩阵输入198
二、数据变换和生成随机数199
三、数据索引（寻址）200
四、载入数据200
五、其他常用函数201
第二节 R环境下的线性回归202
一、一元线性回归202
二、多元回归202
三、构造函数203
第三节 分类法203
一、logistic回归203
二、LDA模型204
三、QDA模型204
四、K最近邻法204
第四节 重采样方法205
一、布尔值205
二、除一交叉验证法205
三、k组交叉验证法206
四、Bootstrap206
第五节 模型的选择和调整207
一、最优子集选择207
二、岭回归和Lasso208
第六节 R制图209
一、绘图区域的布局209
二、字体和颜色210
三、数据点符号和线形212
四、坐标轴、图例和标题212
五、图形函数213