Python 機器學習與量化投資

何海群

網名：字王，CHRD前海智庫CTO，《中華大字庫》發明人，20年人工智能從業經驗；zwPython開發平台、TopQuant.vip極寬量化系統設計師，中國“Python創客”項目發起人，國內Python量化項目的啟蒙者和開拓者：《Python量化實盤·魔鬼訓練營》，TOP極寬量化開源團隊的創始人。

研究成果有：BigQuant理論架構：Python量化+數字貨幣+人工智能；“小數據”理論，GPU超算工作站、MTRD多節點超算集群算法、“1+N”網絡傳播模型、人工智能“足彩圖靈法則”等；

論文《人工智能與中文字型設計》是中文字庫行業三大基礎建模理論之一。

目錄
第1章Python與機器學習...... 1 
1.1 scikit-learn模塊庫........ 2 
1.1.1 scikit-learn的缺點. 3 
1.1.2 scikit-learn算法模塊.. ....... 4 
1.1.3 scikit-learn六大功能......... 5 
1.2開發環境搭建...... 8 
1.2.1 AI領域的標準編程語言：Python 8 
1.2.2 zwPython：難度降低90%，性能提高10倍.. 9 
1.2.3 “零對象”編程模式........ 11 
1.2.4開發平台搭建...... 12 
1.2. 5程序目錄結構...... 12 
案例1-1：重點模塊版本測試.... 13 
1.3機器學習：從忘卻開始....... 17 
1.4學習路線圖...... .. 20 
第2章機器學習編程入門..... 21 
2.1經典機器學習算法..... 21 
2.2經典愛麗絲........ 22 
案例2-1：經典愛麗絲.. .. 24 
案例2-2：愛麗絲進化與文本矢量化.. 26 
2.3機器學習算法流程..... 28 
2.4機器學習數據集......... 28 
案例2-3：愛麗絲分解.... 29
2.5數據切割函數.... 33 
2.6線性回歸算法.... 34 
案例2-4：愛麗絲回歸.... 35 
第3章金融數據的預處理..... 40 
3.1至簡歸一法........ 40 
案例3-1：麻煩的外匯數據........ 41 
案例3-2：尷尬的日元.... 45 
案例3-3：兇殘的比特幣49 
3.2股票池與Rebase......... 51 
3.2.1股票池........ 51 
3.2.2 Rebase與歸一化.. 52 
案例3-4：股票池Rebase歸一化........ 53 
3.3金融數據切割.... 57 
案例3-5：當上證遇到機器學習58 
3.4 preprocessing模塊..... 63 
案例3-6：比特幣與標準化........ 65 
案例3-7：比特幣與歸一化........ 69 
第4章機器學習快速入門..... 72 
4.1回歸算法. 72 
4.2 LR線性回歸模型....... 73 
案例4-1：上證指數之LR回歸事件... 76 
4.3常用評測指標.... 81 
4.4多項式回歸........ 83 
案例4- 2：上證指數的多項式故事...... 83 
案例4-3：預測比特幣價格........ 86
4.5邏輯回歸算法模型..... 87 
案例4-4：上證指數預測邏輯回歸版.. 88 
第5章模型驗證優化..... 96 
5.1交叉驗證評估器........ . 96 
案例5-1：交叉驗證........ 98 
5.2交叉驗證評分.. 101 
案例5-2：交叉驗證評分101 
第6章決策樹.... 103 
6.1決策樹算法.. .... 103 
6.1.1 ID3算法與C4.5算法... 105 
6.1.2常用決策樹算法106 
6.1.3 sklearn內置決策樹算法107 
6.2決策樹回歸函數....... 109 
案例6-1：決策樹回歸算法...... 110 
6.3決策樹分類函數....... 115 
案例6-2：決策樹分類算法...... 116 
6.4 GBDT算法... ... 121 
6.5迭代決策樹函數....... 122 
案例6-3：GBDT回歸算法...... 123 
案例6-4：GBDT分類算法...... 128 
第7章隨機森林算法和極端隨機樹算法133 
7.1隨機森林函數.. 135 
7.2決策樹測試框架....... 137 
案例7-1：RF回歸算法大測試138 
7.3決策樹測試函數..... .. 140
案例7-2：上證的RF回歸頻道......... 142 
案例7-3：當比特幣碰到RF回歸算法......... 146 
案例7-4：上證和RF分類算法......... 147 
7.4極端隨機樹算法....... 150 
7.5極端隨機樹函數....... 151 
案例7-5：極端隨機樹回歸算法. ....... 152 
案例7-6：上證指數案例應用.. 154 
案例7-7：ET、比特幣，誰更極端... 155 
第8章機器學習算法模式... 159 
8.1學習模式. 161 
8.2機器學習五大流派... 164 
8.3經典機器學習算法... 165 
8.4小結........ 166 
第9章概率編程167 
9.1樸素貝葉斯的上證之旅... .. 168 
案例9-1：上證樸素貝葉斯算法........ 170 
9.2隱馬爾可夫模型....... 175 
案例9-2：HMM模型與模型保存... .. 176 
案例9-3：HMM算法與模型讀取..... 180 
第10章實例算法......... 185 
K最近鄰算法186 
案例10-1：第一次驚喜— —KNN算法......... 187 
案例10-2：KNN分類.. 190 
第11章正則化算法..... 192
11.1嶺回歸算法.... 193 
案例11-1：新高度——嶺回歸算法... 195 
11.2套索回歸算法197 
案例11-2：套索回歸算法應用199 
11.3彈性網絡算法201 
案例11- 3：彈性網絡算法應用202 
11.4最小角回歸算法..... 204 
案例11-4：LARS算法應用..... 204 
第12章聚類分析......... 206 
12.1 K均值算法.... 207 
案例12-1：K均值算法應用.... 208 
12.2 BIRCH算法... 210 
案例12-2：BIRCH算法應用... 211 
12.3小結...... 213 
第13章降維算法......... 215 
13.1主成分分析.... 216 
案例13-1：主成分分析的應用218 
案例13-2：PCA算法的上證戲法..... 223 
13.2奇異值分解算法..... 227 
案例13-3：奇異果傳說：SVD 228 
第14章集成算法......... 229 
14.1 sklearn內置集成算法....... 231 
14.2裝袋算法......... 232 
案例14-1：裝袋回歸算法........ 232 
案例14-2：裝袋分類算法........ 234
14.3 AdaBoost迭代算法. 236 
案例14-3：AdaBoost迭代回歸算法. 237 
案例14-4：AdaBoost迭代分類算法. 239 
第15章支持向量機..... 242 
15.1支持向量機算法..... 242 
15.2 SVM函數接口........ 244 
案例15-1：SVM回歸算法...... 245 
案例15-2：SVM分類算法...... 247 
第16章人工神經網絡算法. 250 
16.1多層感知器.... 252 
案例16-1：多層感知器回歸算法...... 253 
案例16-2：多層感知器分類算法...... 256 
附錄A sklearn常用模塊和函數..... 259 
附錄B量化分析常用指標.... 284

序言