1、培訓(xùn)過程中，如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在以后培訓(xùn)班中重聽；
        2、培訓(xùn)結(jié)束后,授課老師留給學(xué)員聯(lián)系方式,保障培訓(xùn)效果,免費(fèi)提供課后技術(shù)支持。
        3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會(huì)。

歸納數(shù)據(jù)集；金融數(shù)據(jù)標(biāo)準(zhǔn)化；支持向量機(jī)分類模型的選擇和應(yīng)用；用支持向量機(jī)模型進(jìn)行預(yù)測(cè)； 模型評(píng)估
適用人群
學(xué)習(xí)金融學(xué)、數(shù)據(jù)、計(jì)算機(jī)的高校生、在職的基金經(jīng)理、投研總監(jiān)、專業(yè)投資者、金融分析師、量化分析
課程簡(jiǎn)介
案例數(shù)據(jù)集來源于UCI網(wǎng)站。該數(shù)據(jù)集中的圖象數(shù)據(jù)分別來源于真紙幣和偽紙幣。通常是通過工業(yè)相機(jī)生成400x 400像素的圖象。然后利用小波變換工具從圖象中提取相關(guān)特征。數(shù)據(jù)集中共有1372條記錄，4個(gè)連續(xù)型的特征變量，和1個(gè)二元分類變量，無缺失數(shù)據(jù)。
支持向量機(jī)分類算法是機(jī)器學(xué)習(xí)中的一個(gè)基礎(chǔ)且非常重要的算法。它利用傳統(tǒng)的數(shù)學(xué)優(yōu)化方法，即，二次函數(shù)的優(yōu)化，對(duì)數(shù)據(jù)進(jìn)行分類。Python的優(yōu)勢(shì)在于開源，基于Python的各類機(jī)器學(xué)習(xí)算法非常豐富而且方便使用。我們將以紙幣識(shí)別案例數(shù)據(jù)集為一個(gè)點(diǎn)的同時(shí)，討論支持向量機(jī)分類原理和Python算法并用他們來區(qū)分真紙幣和偽紙幣。

本案例的特點(diǎn)是將識(shí)別真假紙幣的金融決策問題的解決方案與機(jī)器學(xué)習(xí)中的支持向量機(jī)算法進(jìn)行結(jié)合，并利用Python設(shè)計(jì)一個(gè)自動(dòng)分類算法來對(duì)案例數(shù)據(jù)集進(jìn)行學(xué)習(xí)并輔助我們進(jìn)行決策。這三者的結(jié)合就是智能金融在金融行業(yè)的一種經(jīng)典應(yīng)用。
學(xué)生通過本案例的學(xué)習(xí)將能夠充分理解并在未來能夠使用支持向量機(jī)算法和Python程序來解決一個(gè)具體金融決策問題。本案例中還將介紹數(shù)據(jù)預(yù)處理和變量工程概念，從而有助于掌握數(shù)據(jù)處理的方法和技巧。

通過案例學(xué)習(xí)后，如果學(xué)生能夠獨(dú)立完成作業(yè)，學(xué)生將能達(dá)到以下預(yù)期目標(biāo)：

能夠?qū)w納一個(gè)金融問題的數(shù)據(jù)集；

2. 金融數(shù)據(jù)的處理和標(biāo)準(zhǔn)化；

3. 支持向量機(jī)分類模型的選擇和應(yīng)用；

4. 用支持向量機(jī)模型進(jìn)行預(yù)測(cè)；

5. 對(duì)支持向量機(jī)模型進(jìn)行評(píng)估