- 机器学习与社会科学应用
- - 作者：编者:郭峰|责编:顾丹凤
  - 出版社：上海财大
  - ISBN：9787564243616
  - 出版日期：2024/07/01
  - 页数：337
- 售价：23.2

内容大纲
本教材主要介绍机器学习的基本原理，以及它们在社会科学中的应用。本书的定位是面向熟悉计量经济学、因果识别理论，但不熟悉机器学习的社会科学研究者。因此本书更加侧重于以浅显直白的语言介绍机器学习的基本原理，并以文献综述、案例详解等方式，介绍机器学习各个算法在社会科学实证研究中的代表性应用。对于代码实操，本书尽量选取了贴近社会科学研究者的案例，进行详细阐述。
作者介绍
郭峰，经济学博士、金融学博士后，现为上海财经大学公共经济与管理学院投资系副教授、上海财经大学公共政策与治理研究院研究员，同时兼任北京大学数字金融研究中心特约研究员。曾任金融专业智库上海新金融研究院专职研究员数年。研究领域广泛分布于政治经济学、金融学和文献计量学等学科。在《经济研究》《经济学季刊》《管理世界》《世界经济》等中文权威期刊及英文SSCl期刊上发表论文10余篇，在其他中英文核心期刊上发表论文20余篇，在主流媒体发表经济时评90余篇。主持国家社科基金青年项目、博士后科学基金面上项目各1项。主持或参与其他课题10余项。
目录
第一章  机器学习基本原理与启示
  第一节  为什么需要学习机器学习
  第二节  机器学习的基本任务
  第三节  机器学习基本原理
  第四节  机器学习的应用与启示
  参考文献
第二章  经典回归算法
  第一节  OLS回归算法
  第二节  岭回归算法
  第三节  Lasso回归算法
  第四节  算法调参
  参考文献
第三章  经典分类算法
  第一节  分类算法简介
  第二节  K近邻算法
  第三节  朴素贝叶斯算法
  第四节  决策树算法
  第五节  支持向量机算法
  第六节  分类算法评估
  参考文献
第四章  自然语言处理入门
  第一节  自然语言处理的基本任务
  第二节  分词
  第三节  TF-IDF
  第四节  文本相似度
  参考文献
第五章  集成算法
  第一节  集成算法基本原理
  第二节  随机森林算法
  第三节  梯度提升树算法
  第四节  XGBoost算法
  参考文献
第六章  无监督学习算法
  第一节  无监督学习简介
  第二节  聚类算法
  第三节  降维算法
  第四节  LDA主题模型
  参考文献
第七章  深度学习算法
  第一节  神经网络基本原理与前馈神经网络
  第二节  卷积神经网络
  第三节  循环神经网络
  第四节  Word2Vec词嵌入算法
  第五节  大语言模型简介
  参考文献
第八章  特征工程入门与实践
  第一节  特征工程简介
  第二节  特征理解：探索性分析
  第三节  特征增强：清洗数据
  第四节  特征构造：生成新数据

  第五节  特征选择：筛选属性
  第六节  特征转换：数据降维
  参考文献
第九章  机器学习与因果识别
  第一节  机器学习助力因果识别的基本逻辑
  第二节  更好识别和控制混淆因素
  第三节  更好地构建对照组
  第四节  更好地识别异质性因果效应
  第五节  更好地检验因果关系的外部有效性
  第六节  大数据和机器学习对因果识别的冲击
  第七节  未来展望
  参考文献
第十章  机器学习与异质性政策效应分析
  第一节  异质性政策效应评估的价值和传统方法
  第二节  传统异质性政策评估方法的问题
  第三节  机器学习在异质性政策效应评估中的应用
  第四节  机器学习的局限以及未来方向
  参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目