机器学习典型技术在金融风险研究领域中的应用

本书系统探讨了互联网、人工智能高速发展时代背景下，机器学习技术在金融风险研究领域中的应用情况。首先介绍机器学习的基本原理，包括决策树、聚类、贝叶斯分类、支持向量机、EM、Adaboost等传统方法。其次以学习方法为切入点，结合金融风险研究领域中的实例，重点介绍与对比监督学习（如分类问题）、无监督学习（如聚类问题）、半监督学习、集成学习、深度学习和强化学习等典型机器学习算法与技术的原理特点及其应用场景。最后分析迁移学习等下一波机器学习技术在金融风险研究领域中的应用前景。