机器学习简介.ipynb

机器学习简介机器学习的核心在于运用大数据来研究各个变量之间的关联性, 在千丝万缕的交互变量中寻找规律, 并进行分析和预测.传统统计学讨论的基本内容包括概率分布、置信区间、显著性检验、线性回归等, 其理论基础是概率理论, 也即对数据的概率分布需要做假定. 如果不假定分布, 就无法进行检验, 无法判断模型的好坏, 也无法判断变量是否重要.利用机器学习我们可以解决:通过非线性模型来预测和提高决策的正确性；可以在数据中搜索, 以提高公司对其客户和经营环境的了解；开发一套决策规则来应对当下复杂多变的环境.机器学习在金融领域也有很大的应用空间. 金融领域每天接触的就是海量的数据, 通过人力在海量的数据中寻找规律有很大的局限性, 而通过机器学习则能高效、快速地进行数据分析并提炼规律. 例如:客户违约预测模型金融反欺诈模型客户流失预警模型精准营销模型股价涨跌预测模型......