《金融大数据分析》-课件汇总 第10--19章 神经网络 ---大数据机器学习方法在金融学中的应用 .pptx

第10章神经网络;学习目标;人工神经网络简介;神经网络的结构;神经网络的结构：输入层;神经网络的结构：隐藏层;神经网络的结构：隐藏层;神经网络的结构：隐藏层;神经网络的结构：隐藏层;神经网络的结构：隐藏层;神经网络的结构：隐藏层;神经网络的结构：输出层;神经网络的结构：输出层;网络结构的选择;为什么使用神经网络;为什么使用神经网络;模型训练;代价函数;代价函数;参数估计;参数估计;前向传播;反向传播;反向传播;反向传播;先进的梯度下降算法;神经网络正则化;提前结束训练;范数正则化;集成学习法;随机暂退法;常用的神经网络结构;常用的神经网络结构;使用scikit-learn训练神经网络;使用scikit-learn训练神经网络;使用scikit-learn训练神经网络;使用scikit-learn训练神经网络;使用scikit-learn训练神经网络;使用scikit-learn训练神经网络;使用Pytorch训练神经网络;使用Pytorch训练神经网络;使用Pytorch训练神经网络;使用Pytorch训练神经网络;使用Pytorch训练神经网络;使用Pytorch训练神经网络;使用Pytorch训练神经网络;使用Pytorch训练神经网络;使用Pytorch训练神经网络;使用Pytorch训练神经网络;使用Pytorch训练神经网络;使用Pytorch训练神经网络;使用Pytorch训练神经网络;使用Pytorch训练神经网络;习题：知识理解;习题：计算题;习题：程序编写;第11章监督学习的小结;学习目标;简介;监督学习方法的总结;监督学习在金融中的应用;监督学习在金融中的应用;监督学习模型比较;监督学习模型比较;复杂模型的可解释性;特征重要性分析;特征重要性分析;特征重要性;SHAP值;SHAP值;SHAP值;SHAP值;程序;导入库;导入库;数据读取及处理;使用随机森林模型;特征重要性;特征重要性;特征重要性;使用Shap增加模型可解释性;使用Shap增加模型可解释性;习题;知识理解;程序操作;第12章主成分分析;学习目标;案例：投资策略;主成分分析方法;方法简介;方法简介（案例）;方法简介（案例）;方法简介（案例）;方法简介（案例）;方法简介;如何找到主成分;如何找到主成分;如何找到主成分;如何找到主成分;如何找到主成分;如何找到主成分;如何找到主成分;拓展：偏最小二乘回归;;偏最小二乘回归算法;偏最小二乘回归算法;主成分分析程序;;导入库;进行数据读取及处理;进行数据读取及处理;进行数据读取及处理;进行数据读取及处理;进行数据读取及处理;进行数据读取及处理;进行数据读取及处理;进行数据读取及处理;使用ols模型分别使用降维之前与之后的数据进行训练;使用ols模型分别使用降维之前与之后的数据进行训练;使用ols模型分别使用降维之前与之后的数据进行训练;使用ols模型分别使用降维之前与之后的数据进行训练;使用ols模型分别使用降维之前与之后的数据进行训练;使用ols模型分别使用降维之前与之后的数据进行训练;习题;知识理解;程序操作;纠错;第13章聚类分析;本章的学习目标为：

理解聚类分析的使用范围

?熟悉如何使用K均值方法实现聚类分析

?熟悉使用程序实现聚类分析;案例：贷款违约;案例：贷款违约;聚类分析方法：简介;聚类分析方法：K均值法;聚类分析方法：K均值法;K均值法：定义;K均值法：定义;K均值法：算法流程;K均值法：步骤;K均值法：步骤;K均值法：缺点;K均值法：缺点;K均值法：缺点;K均值法：程序代码;K均值法：程序代码;K均值法：程序代码;K均值法：程序代码;K均值法：程序代码;K均值法：程序代码;K均值法：程序代码;K均值法：程序代码;K均值法：程序代码;K均值法：程序代码;K均值法：程序代码;聚类分析：习题;错误：

1.224面存在病句：;第14章缺失数据;本章的学习目标为：

理解造成数据缺失的几种普遍原因

熟悉填充缺失数据的基本方法，以及这些方法的优缺点

掌握使用程序对缺失数据进行填充;案例：缺失数据;案例：缺失数据;缺失原因;缺失原因;缺失数据：简单处理方法;缺失数据：简单处理方法;缺失数据：简单处理方法;缺失数据：简单处理方法;缺失数据：进阶填充方法;缺失数据：进阶填充方法;进阶填充方法：多重插补链式方程;进阶填充方法：多重插补链式方程;进阶填充方法：多重插补链式方程;进阶填充方法：多重插补链式方程;进阶填充方法：?矩阵补完法;进阶填充方法：?矩阵补完法;进阶填充方法：?K近邻法和其他方法;进阶填充方法：?K近邻法和其他方法;缺失数据：程序代码;缺失数据：程序代码;缺