机器学习与经济大数据分析：基于Python实现

面对数字经济背景下大数据分析的现实需求，本书分别从经济理论阐述、数学原理推导、程序代码实现三个角度，系统全面地阐释了各类经典机器学习模型的理论内涵和适用范围，以及基于 Python 编程语言进行算法训练、模型测试和参数调优的具体方法。本书配有A、B两个附录，介绍了 Python 语言基本语法规则，以及经济大数据分析所涉及的Python 工具包。 本书旨在培养能够综合运用经济学思维、数理分析方法、数据科学工具，分析和解决经济社会发展中的理论和实际问题的复合型人才；可作为高等院校经济管理、计算机等专业本科生、研究生、MBA 教材，也可作为相关企业员工内部培训教程或经济数据分析从业者的参考读物。

刘征驰，湖南大学经济与贸易学院教授、博士生导师、数字经济系主任，美国匹兹堡大学访问学者；主要研究方向为数据要素驱动的数字经济发展与治理，如数据要素市场、平台竞争与治理、数据要素与经济增长等；近年来主持多项国家自然科学基金和省部级基金课题；获国家科学技术进步奖二等奖、湖南省科学技术进步奖一等奖；在 European Journal ofOperational Research、《中国工业经济》《系统工程理论与实践》等期刊发表多篇学术论文。

第1章 经济大数据分析概论// 1 1. 1 数字经济时代的大数据 // 1 1. 2 大数据分类 // 2 1. 3 机器学习简述 // 4 1. 4 机器学习与计量经济学的方法差异 // 5 1. 5 机器学习与计量经济学的融合应用 // 8 本章小结 // 9 课后习题 // 10 第2章 机器学习与数据分析 // 11 2. 1 机器学习基本原理 // 11 2. 2 机器学习工具包: Scikit-learn // 16 2. 3 Scikit-learn 高级API // 30 2. 4 经济数据分析案例 // 43 本章小结 // 59 课后习题 // 59 第3章 线性回归与模型拟合 // 61 3. 1 线性回归模型 // 61 3. 2 模型拟合问题 // 72 3. 3 偏差与方差 // 82 3. 4 过拟合与正则化 // 89 本章注释 // 97 本章小结 // 97 课后习题 // 98 第4章 逻辑回归与模型评估 // 99 4. 1 从线性回归到逻辑回归 // 99 4. 2 二元分类预测案例 // 104 4. 3 多元分类问题 // 113 4. 4 模型评估方法 // 117 本章注释 // 128 本章小结 // 129 课后习题 // 129 第5章 支持向量机与核函数 // 131 5. 1 支持向量机模型 // 131 5. 2 近似线性可分情形 // 136 5. 3 支持向量机与逻辑回归的差异 // 143 5. 4 核函数基本原理 // 148 5. 5 非线性支持向量机 // 150 5. 6 模型拓展: 支持向量回归 // 155 5. 7 财政收入预测案例 // 157 本章注释 // 170 本章小结 // 170 课后习题 // 171 第6章 决策树与集成学习 // 172 6. 1 决策树模型 // 172 6. 2 集成学习 // 181 6. 3 树的横向集成: 随机森林 // 185 6. 4 树的纵向集成: 梯度提升树 // 189 6. 5 决策树和逻辑回归集成 // 193 6. 6 银行借贷风险预测案例 // 201 本章注释 // 223 本章小结 // 224 课后习题 // 224 第7章 贝叶斯分类与生成式学习 // 226 7. 1 贝叶斯分类模型原理 // 226 7. 2 基于朴素贝叶斯的文本分类 // 231 7. 3 基于LDA 的文本主题分析 // 246 7. 4 对生成式学习的延伸讨论 // 262 本章注释 // 265 本章小结 // 265 课后习题 // 265 第8章 聚类降维与无监督学习 // 267 8. 1 监督学习与无监督学习 // 267 8. 2 聚类模型: K -均值聚类 // 268 8. 3 降维模型: 主成分分析 // 278 8. 4 客户价值分析案例 // 293 本章小结 // 306 课后习题 // 307