Trevor Hastie, Robert Tibshirani, and Jerome Friedman are professors of statistics at Stanford University. They are prominent researchers in this area: Hastie and Tibshirani developed generalized additive models and wrote a popular book of that title. Hastie co-developed much of the statistical modeling software and environment in R/S-PLUS and invented principal curves and surfaces. Tibshirani proposed the lasso and is co-author of the very successful An Introduction to the Bootstrap. Friedman is the co-inventor of many data-mining tools including CART, MARS, projection pursuit and gradient boosting.
发表于2025-01-22
统计学习基础 2025 pdf epub mobi 电子书
非常难,一点都不element,是本百科全书式的读物,如果是初学者,不建议读 很多章节也没有细节,概述性的东西,能看懂几章就很不错了 其实每章都可以写成一本书,都可以做很多篇的论文 全部读懂非常非常难,倒是作为用到哪个部分作为参考资料查查很不错
评分英文原版的官方免费下载链接已经有人在书评中给出了 中文版的译者很可能没有基本的数学知识,而是用Google翻译完成了这部作品。 超平面的Normal equation (法线方程)翻译成了“平面上的标准方程”;而稍有高中髙维几何常识的人都知道,法线是正交与该超平面的方向,而绝不可...
评分统计学习的经典教材,数学难度适中,英文难度较低,看了其中有监督学习部分,无监督学习部分没怎么看,算法比较经典,但是也比较老。
评分英文原版的官方免费下载链接已经有人在书评中给出了 中文版的译者很可能没有基本的数学知识,而是用Google翻译完成了这部作品。 超平面的Normal equation (法线方程)翻译成了“平面上的标准方程”;而稍有高中髙维几何常识的人都知道,法线是正交与该超平面的方向,而绝不可...
评分图书标签: 统计学习 数据挖掘 机器学习 统计学 数据分析 统计 Statistics 模式识别
《统计学习基础:数据挖掘、推理与预测》介绍了这些领域的一些重要概念。尽管应用的是统计学方法,但强调的是概念,而不是数学。许多例子附以彩图。《统计学习基础:数据挖掘、推理与预测》内容广泛,从有指导的学习(预测)到无指导的学习,应有尽有。包括神经网络、支持向量机、分类树和提升等主题,是同类书籍中介绍得最全面的。计算和信息技术的飞速发展带来了医学、生物学、财经和营销等诸多领域的海量数据。理解这些数据是一种挑战,这导致了统计学领域新工具的发展,并延伸到诸如数据挖掘、机器学习和生物信息学等新领域。许多工具都具有共同的基础,但常常用不同的术语来表达。
大家都说不错,不过不是统计人,看得不清不楚
评分中文版翻译得不咋地,不过内容确实深奥,不好懂,可以慢慢看。
评分简单翻过,实在太难了,拙劣的翻译让它看起来更难了。 “子采样”译成“罚回归”,也是没谁了。 还是有个网友说的好,书译了烧不掉,还是少荼毒点好书,免得被骂万年。
评分比较难,不适合入门
评分很多人反应翻译得不好,我还是以前的老观点<中文书籍可以让你快速进入一个领域>。的确里面有些词汇,并不是数学中标准的翻译。提一点:很多方法从统计的角度并不一定是最好的理解方式。继续攻读英文第二版。
统计学习基础 2025 pdf epub mobi 电子书