人工智能視域下的互聯(lián)網(wǎng)金融大數(shù)據(jù)分析

第1章 人工智能與機器學(xué)習(xí)
1.1 人工智能概述
1.2 機器學(xué)習(xí)概述
第2章 人工智能在金融領(lǐng)域的應(yīng)用
2.1 人工智能與金融
2.2 人工智能在金融領(lǐng)域的應(yīng)用研究現(xiàn)狀
2.3 人工智能對金融行業(yè)的影響與潛在風(fēng)險分析
第3章 數(shù)據(jù)預(yù)處理和準(zhǔn)備
3.1 數(shù)據(jù)導(dǎo)入和觀察
3.2 數(shù)據(jù)預(yù)處理
第4章 有監(jiān)督機器學(xué)習(xí)
4.1 相似性度量
4.2 kNN算法
4.3 線性回歸
4.4 邏輯回歸
4.5 支持向量機
4.6 決策樹
第5章 無監(jiān)督機器學(xué)習(xí)和半監(jiān)督學(xué)習(xí)
5.1 聚類算法
5.2 半監(jiān)督機器學(xué)習(xí)
5.3 半監(jiān)督學(xué)習(xí)在金融領(lǐng)域的應(yīng)用
第6章 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)
6.1 神經(jīng)元與感知機
6.2 深度神經(jīng)網(wǎng)絡(luò)與反向傳播算法
6.3 神經(jīng)網(wǎng)絡(luò)在金融領(lǐng)域的應(yīng)用
第7章 機器學(xué)習(xí)算法在金融領(lǐng)域的應(yīng)用案例分析
7.1 數(shù)據(jù)觀察及預(yù)處理
7.2 模型訓(xùn)練和測試
參考文獻