"本书按照利用机器学习算法建立经济金融模型的流程安排章节内容，从拓宽读者技能的角度出发，主要介绍 经济金融领域常用的 人工智能模型。 全书共11章，分为两部分。第1~5章是建模的前期准备，包括绪论、Python编程基础及数据处理、数据可视化、数据表格的处理与数据清洗、特征工程等。第6~11章介绍常用的模型，包括聚类、主成分分析、线性模型、支持向量机、决策树与随机森林、神经网络等。本书通过图文结合的方式详细解释了复杂数学模型的核心思想，对每条代码的功能进行解释，以降低读者理解复杂 命令的难度。 本书可作为高等院校计算机类、经济学、金融学等相关专业的教材，也可作为感兴趣读者的自学读物，还可作为相关行业技术人员的参考用书。 "

李政，副教授，研究生导师，现任广东财经大学金融学院实验室主任、金融工程系副主任。主要研究方向为金融科技，致力于将金融专业知识、数学建模、编程三个模块的知识融合在一起，提升模型的质量。主编教材《金融仿真综合实验》。

前言 党 的二十大报告指出： 教育、科技、人才是全面建设社会主义现代化国家的基础性、战略性支撑。必须坚持科技是第一生产力、人才是第一资源、创新是第一动力，深入实施科教兴国战略、人才强国战略、创新驱动发展战略，这三大战略共同服务于创新型国家的建设。高等教育与经济社会发展紧密相连，对促进就业创业、助力经济社会发展、增进人民福祉具有重要意义。 随着人工智能、大数据技术在经济金融行业的广泛应用，传统岗位的需求在急剧减少，而客户数据分析、资产管理、风险控制等岗位的需求在快速增加。经济金融行业的这些变化要求从业者同时掌握经济金融理论、数学建模和编程三方面知识，不仅应具备正确分析和预测各种市场走势的能力，还应借助各种机器学习工具为客户提供准确率较高的投资建议。虽然新技术、新产业和新业态的发展对复合型人才有迫切的需求，但是在相对较短的时间内，将其综合应用到现实场景并构建出较高精度的模型绝非易事。 本书力求让数理和编程技能相对薄弱的初学者能够在较短时间内掌握量化分析的能力，处理现实复杂的数据并构建出精度较高的模型。本书从软件安装的入门知识开始讲解， 但是并不回避处理 实际数据所涉及的必备数学知识和复杂编程技巧，如第2章中的列表推导式、第9章中的信息熵离散算法、第10章中的随机森林、第11章中的多变量卷积神经网络等。本书利用主流的机器学习算法处理现实场景中的数据，并详细介绍处理过程中的环节、模型和代码。在数学建模方面，通过图文结合的方式详细解释了复杂数学模型的核心思想，以便读者可以在理解的前提下正确使用这些数学模型。在编程方面，对每条代码的功能进行解释...