何海群著的《Python机器学习与量化投资/金融科技丛书》采用生动活泼的语言，从入门者的角度，讲解了Python语言和sklearn模块库内置的各种经典机器学习算法；介绍了股市外汇、比特币等实盘交易数据在金融量化方面的具体分析与应用，包括对未来股票价格的预测、大盘指数趋势分析等。简单风趣的实际案例让广大读者能够快速掌握机器学习在量化分析方面的编程，为进一步学习金融科技奠定扎实的基础。

何海群，网名：字王，CHRD前海智库CTO，《中华大字库》发明人，出版图书20余部，在人工智能、数据分析等方面具有20年一线专业经验；zwPython开发平台、zwQuant量化软件设计师，中国“Python创客”项目和“Python产业联盟”发起人，国内首个Python量化课程《Python量化实盘·魔鬼训练营》创始人，也是极宽量化开源团队的创始人。
1990年，发明国内第一个VR数据手套并获得专利授权，被业界称为“中国VR之父”；1997年，出版国内首部网络经济专著《网络商战》；2008年，在北京联合创办国内首家4A级专业网络公关公司，服务过200余家国际500强企业，被公关协会誉为中国网络公关事业的开创者与启蒙者。
研究成果有：“小数据”理论、快数据模型、黑天鹅算法、GPU超算工作站、MTRD多节点超算集群算法、1+N网络传播模型、人工智能“足彩图灵法则”等；论文《人工智能与中文字型设计》是中文字库行业三大基础建模理论之一。

第1章 Python与机器学习
1.1 scikit-learn模块库
1.1.1 scikit-learn的缺点
1.1.2 scikit-learn算法模块
1.1.3 scikit-learn六大功能
1.2 开发环境搭建
1.2.1 AI领域的标准编程语言：Python
1.2.2 zwPython：难度降低90%，性能提高10倍
1.2.3 “零对象”编程模式
1.2.4 开发平台搭建
1.2.5 程序目录结构
案例1-1：重点模块版本测试
1.3 机器学习：从忘却开始
1.4 学习路线图
第2章 机器学习编程入门
2.1 经典机器学习算法
2.2 经典爱丽丝
案例2-1：经典爱丽丝
案例2-2：爱丽丝进化与文本矢量化
2.3 机器学习算法流程
2.4 机器学习数据集
案例2-3：爱丽丝分解
2.5 数据切割函数
2.6 线性回归算法
案例2-4：爱丽丝回归
第3章 金融数据的预处理
3.1 至简归一法
案例3-1：麻烦的外汇数据
案例3-2：尴尬的日元
案例3-3：凶残的比特币
3.2 股票池与Rebase
3.2.1 股票池
3.2.2 Rebase与归一化
案例3-4：股票池Rebase归一化
3.3 金融数据切割
案例3-5：当上证遇到机器学习
3.4 preprocessing模块
案例3-6：比特币与标准化
案例3-7：比特币与归一化
第4章 机器学习快速入门
4.1 回归算法
4.2 LR线性回归模型
案例4-1：上证指数之LR回归事件
4.3 常用评测指标
4.4 多项式回归
案例4-2：上证指数的多项式故事
案例4-3：预测比特币价格
4.5 逻辑回归算法模型
案例4-4：上证指数预测逻辑回归版
第5章 模型验证优化
5.1 交叉验证评估器
案例5-1：交叉验证
5.2 交叉验证评分
案例5-2：交叉验证评分
第6章 决策树
6.1 决策树算法
6.1.1ID3 算法
6.1.2 常用决策树算法
6.1.3 sklearn内置决策树算法
6.2 决策树回归函数
案例6-1：决策树回归算法
6.3 决策树分类函数
案例6-2：决策树分类算法
6.4 GBDT算法
6.5 迭代决策树函数
案例6-3：GBDT回归算法
案例6-4：GBDT分类算法
第7章 随机森林算法和极端随机树算法
7.1 随机森林函数
7.2 决策树测试框架
案例7-1：RF回归算法大测试
7.3 决策树测试函数
案例7-2：上证的RF回归频道
案例7-3：当比特币碰到RF回归算法
案例7-4：上证和RF分类算法
7.4 极端随机树算法
7.5 极端随机树函数
案例7-5：极端随机树回归算法
案例7-6：上证指数 案例应用
案例7-7：ET、比特币，谁更极端
第8章 机器学习算法模式
8.1 学习模式
8.2 机器学习五大流派
8.3 经典机器学习算法
8.4 小结
第9章 概率编程
9.1 朴素贝叶斯的上证之旅
案例9-1：上证朴素贝叶斯算法
9.2 隐马尔可夫模型
案例9-2：HMM模型与模型保存
案例9-3：HMM算法与模型读取
第10章 实例算法
K最近邻算法
案例10-1：第次惊喜——KNN算法
案例10-2：KNN分类
第11章 正则化算法
11.1 岭回归算法
案例11-1：新高度——岭回归算法
11.2 套索回归算法
案例11-2：套索回归算法应用
11.3 弹性网络算法
案例11-3：弹性网络算法应用
11.4 小角回归算法
案例11-4：LARS算法应用
第12章 聚类分析
12.1 K均值算法
案例12-1：K均值算法应用
12.2 BIRCH算法
案例12-2：BIRCH算法应用
12.3 小结
第13章 降维算法
13.1 主成分分析
案例13-1：主成分分析的应用
案例13-2：PCA算法的上证戏法
13.2 奇异值分解算法
案例13-3：奇异果传说：SVD
第14章 集成算法
14.1 sklearn内置集成算法
14.2 装袋算法
案例14-1：装袋回归算法
案例14-2：装袋分类算法
14.3 AdaBoost迭代算法
案例14-3：AdaBoost迭代回归算法
案例14-4：AdaBoost迭代分类算法
第15章 支持向量机
15.1 支持向量机算法
15.2 SVM函数接口
案例15-1：SVM回归算法
案例15-2：SVM分类算法
第16章 人工神经网络算法
16.1 多层感知器
案例16-1：多层感知器回归算法
案例16-2：多层感知器分类算法
附录A sklearn常用模块和函数
附录B 量化分析常用指标