序

机器学习的浪潮正在席卷全球,诸如机器学习(Machine Learning)、深度学习(Deep Learning)、神经网络(Neural Network)等专业词汇，也逐渐走入了大众的视野。

互联网技术和计算机技术的不断发展使得人们在互联网上生成了海量的数据，而计算机运算力的提升和机器学习新算法(如深度学习等)的出现, 则促进了机器学习的大爆发。

机器学习最基本的做法是使用算法来解析数据，从中学习规则和关系, 然后对真实世界中的问题做出决策和预测。

目前机器学习方法在指纹识别、人脸识别和物体检测等领域都已达到了商业化的要求。而深度学习则更是将机器学习的应用领域扩大到无人驾驶汽车、语音识别、医疗技术等领域。

机器学习目前已经在经济与金融领域崭露头角，获得了一些非常成功的应用。例如，通过图像识别可以预测港口或交通枢纽的物流及人流信息，从而预测该区域的经济状况。

本书对机器学习模型和方法在经济与金融领域的典型应用，以及未来可能的应用做了较为深入的介绍。

在内容讲述方面，本书深入浅出，摒弃了许多复杂的数学公式，通过一个个具体的案例，对机器学习在经济与金融领域不同方向的应用做了生动的讲解，让读者能很快掌握相关机器学习模型的原理和机制。

读者学习完本书之后，结合一些机器学习、深度学习的理论基础，将可以独立进行机器学习在经济与金融领域的应用开发。

为了与国内读者的阅读习惯保持一致，译者将程序的运行结果统一放在了“程序运行结果”一栏。

书中的程序代码基本无须修改就可以直接运行，因此读者在阅读本书之前，只需要具备简单的Python语言基础即可。

在翻译本书的过程中，译者参考了周志华老师的《机器学习》、李子奈老师的《计量经济学》、同济大学数学系的《高等数学》等图书，还参考了“机器之心”微信公众号的部分文章，以及CSDN技术社区的一些文章，在此对这些书籍与文章的作者、编者表示感谢。同时，感谢颜健健博士对部分专业术语翻译给出的意见，以及万伟国博士在数据集下载方面提供的帮助。

此外，本书的翻译工作受到了国家自然科学基金项目(72261016,71861013)、江西财经大学校级教改课题(JG2021049)、江西省教育厅科技项目(GJJ200515)的支持，也一并表示感谢！

由于翻译仓促，本书难免存在不足，恳请读者批评指正。

最后，衷心希望本书的内容能让读者受益，也能让读者获得良好的阅读体验！

朱文强 2023年1月