2024澳门2024免费原料网-免费完整资料

首页 > 图书中心 > 教学用书 > 本科研究生 > 经济

机器学习与社会科学应用-郭峰

机器学习与社会科学应用

丛书名：新文科・新投资
著（译）者：郭峰
资源下载：
责任编辑：顾丹凤
字       数：425千字
开       本：16 开
印       张：21.75
出版版次：1
出版年份：2024-07-16
书       号：978-7-5642-4361-6/F.4361
纸书定价：58.00元   教师会员可用500积分申请样书

在线购买样书申请收藏分享按钮

本书是“新文科·新投资系列”的一本。本教材将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。因此本书将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，本书也尽量选取了贴近社会科学研究者的案例，进行详细阐述。本书还以二维码的形式将相关的代码和具体应用呈现出来，供广大社会科学研究人员参考。

同系列产品more >

: 因果推断实用计量
邱嘉平
定价：86.00元
查看详情

: 报检与报关实务（第
李贺
定价：59.00元
查看详情

: 国际商法（第八版）（配
张圣翠
定价：56.00元
查看详情

: 消费者行为学（第二
江林
定价：52.00元
查看详情

: 物流运输管理（第二
郑宁
定价：42.00元
查看详情

图书分类全部图书

本书是“新文科·新投资系列”的一本。

本教材将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。

因此本书将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，本书也尽量选取了贴近社会科学研究者的案例，进行详细阐述。

本书还以二维码的形式将相关的代码和具体应用呈现出来，供广大社会科学研究人员参考。

第一章机器学习基本原理与启示/ 1。
第一节为什么需要学习机器学习/ 1。
第二节机器学习的基本任务/ 5。
第三节机器学习基本原理/ 9。
第四节机器学习的应用与启示/ 18。
参考文献/ 21。
第二章经典回归算法/ 24。
第一节 OLS回归算法/ 24。
第二节岭回归算法/ 33。
第三节 Lasso回归算法/ 41。
第四节算法调参/ 49。
参考文献/ 57。
第三章经典分类算法/ 59。
第一节分类算法简介/ 59。
第二节 K近邻算法/ 61。
第三节朴素贝叶斯算法/ 70。
第四节决策树算法/ 75。
第五节支持向量机算法/ 83。
第六节分类算法评估/ 92。
参考文献/ 95。
第四章自然语言处理入门/ 97。
第一节自然语言处理的基本任务/ 97。
第二节分词/ 103。
第三节 TF-IDF/ 116。
第四节文本相似度/ 121。
参考文献/ 134。
第五章集成算法/ 136。
第一节集成算法基本原理/ 136。
第二节随机森林算法/ 139。
第三节梯度提升树算法/ 146。
第四节 XGBoost算法/ 152。
参考文献/ 158。
第六章无监督学习算法/ 159。
第一节无监督学习简介/ 159。
第二节聚类算法/ 161。
第三节降维算法/ 168。
第四节 LDA主题模型/ 175。
参考文献/ 191。
第七章深度学习算法/ 193。
第一节神经网络基本原理与前馈神经网络/ 193。
第二节卷积神经网络/ 207。
第三节循环神经网络/ 217。
第四节 Word2Vec词嵌入算法/ 223。
第五节大语言模型简介/ 229。
参考文献/ 235。
第八章特征工程入门与实践/ 237。
第一节特征工程简介/ 237。
第二节特征理解：探索性分析/ 238。
第三节特征增强：清洗数据/ 244。
第四节特征构造：生成新数据/ 261。
第五节特征选择：筛选属性/ 263。
第六节特征转换：数据降维/ 270。
参考文献/ 272。
第九章机器学习与因果识别/ 273。
第一节机器学习助力因果识别的基本逻辑/ 273。
第二节更好识别和控制混淆因素/ 275。
第三节更好地构建对照组/ 279。
第四节更好地识别异质性因果效应/ 287。
第五节更好地检验因果关系的外部有效性/ 291。
第六节大数据和机器学习对因果识别的冲击/ 292。
第七节未来展望/ 295。
参考文献/ 296。
第十章机器学习与异质性政策效应分析/ 306。
第一节异质性政策效应评估的价值和传统方法/ 306。
第二节传统异质性政策评估方法的问题/ 311。
第三节机器学习在异质性政策效应评估中的应用/ 315。
第四节机器学习的局限以及未来方向/ 324。
参考文献/ 330