案例的Python代码分析
{{ interaction.likeNum == 0 ? (pageType === 'video' ? '抢首赞' : '点赞') : formatNumber(interaction.likeNum) }}
{{ interaction.collectionNum == 0 ? '收藏' : formatNumber(interaction.collectionNum) }}
{{ interaction.discussNum == 0 ? (pageType === 'video' ? '抢沙发' : '讨论') : formatNumber(interaction.discussNum) }}
分享
适合人群
学习金融学、数据、计算机的高校生、在职的基金经理、投研总监、专业投资者、金融分析师、量化分析
你将会学到
通过案例学习后,如果学生能够独立完成作业,学生将能达到以下预期目标:1. 能够将归纳一个金融问题的数据集;2. 数据的处理和标准化;3. 决策树分类模型的选择和应用;4. 用决策树模型进行预测; 5. 对决策树模型进行评估
课程简介
案例数据集来源于UCI网站。案例是基于一家葡萄牙金融机构的电话销售数据。营销目标是确认客户是否愿意认购银行发行的一款定期储蓄产品。该数据集内包含41188条记录和20个特征变量,和1个分类变量。变量包括类别型,字母型,和数值型。
决策树分类算法是机器学习中的一个基础且非常重要的算法。它利用不纯度函数,比如,信息熵来度量信息。分类决策树利用特征变量的信息熵对数据进行划分。Python的优势在于开源,基于Python的各类机器学习算法非常丰富而且方便使用。我们将以银行产品销售案例数据集为一个点的同时,讨论决策树分类原理和Python算法并用他们来解决银行产品销售问题的预测分类。
本案例的特点是将银行产品销售的金融决策问题的解决方案与机器学习中的决策树算法进行结合,并利用Python设计一个自动分类算法来对案例数据集进行学习并辅助我们进行决策。这三者的结合就是智能金融在金融行业的一种经典应用。
学生通过本案例的学习将能够充分理解并在未来能够使用决策树算法和Python程序来解决一个具体金融决策问题。本案例中还将介绍数据预处理和变量工程概念,从而有助于学习数据处理的方法和技巧。
学生将获得本案例的Python源代码。
展开更多
{{tips.text}}
{{ noteHeaderTitle }}
笔记{{ hasMyNote ? '我的笔记' : '记笔记' }}
{{ hasMyNote ? '我的笔记' : '记笔记' }}
优质笔记
更新于:{{ $dayjs.formate('YYYY-MM-DD HH:mm:ss', item.last_uptime*1000) }}
{{ detail.username }}
公开笔记对他人可见,有机会被管理员评为“优质笔记”
{{ noteEditor.content.length }}/2000
公开笔记
保存提问
讲师收到你的提问会尽快为你解答。若选择公开提问,可以获得更多学员的帮助。
记录时间点
记录提问时视频播放的时间点,便于后续查看
公开提问
提交5课时
信用卡申请案例与贝叶斯分类算法实战案例
1060人学习
量化金融研究中心
4.8
会员免费
4课时
伊斯坦布尔100指数与线性回归
937人学习
量化金融研究中心
5.0
会员免费
3课时
收入预测案例与K近邻点分类算法
342人学习
量化金融研究中心
4.0
会员免费
4课时
银行产品销售案例与决策树分类算法
156人学习
量化金融研究中心
5.0
¥29.00
92课时
【2019新版更新】人工智能-机器学习实战视频课程( 上篇)
305948人学习
唐宇迪
4.9
¥168.00
83课时
机器学习算法基础
291348人学习
覃秉丰
5.0
免费
68课时
大数据——机器学习视频课程( 下篇 )
104118人学习
唐宇迪
4.8
¥198.00
217课时
【微职位】Python数据分析与机器学习实战课程配套视频课程
98304人学习
唐宇迪
4.5
¥980.00