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

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。

  • 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

版权所有(C)2023 2024澳门2024免费原料网版权所有   沪ICP备12043664号-2   沪公网安备31009102000068号

联系我们 | 网站地图 | 法律声明 | 友情链接 | 盗版举报 | 人才招聘