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2024-11-21
统计学习基础 2024 pdf epub mobi 电子书
[https://web.stanford.edu/~hastie/ElemStatLearn/] ==========================================================================================================================================================
评分我导师(stanford博士毕业)非常欣赏这本书,并把它作为我博士资格考试的参考教材之一。 感谢 ZHENHUI LI 提供的信息。本书作者已经将第二版的电子书放到网上,大家可以免费下载。 http://www-stat.stanford.edu/~tibs/ElemStatLearn/ 网上还有一份solution manual, 但是似乎...
评分http://www-stat.stanford.edu/~hastie/local.ftp/Springer/ESLII_print3.pdf
评分读 ESL 快半年了,也读了差不多1/3,写个短评记录一下,等读完的时候再来改吧。然后简单对比下基本常见的机器学习教材。 我本科是学物理的,对于统计甚至概率论可以说是一无所知。入门的时候读的是周志华老师的《机器学习》,不过并没有读完的。一方面在家看书效率太低;另一...
评分http://www-stat.stanford.edu/~hastie/local.ftp/Springer/ESLII_print3.pdf
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。
本书很牛逼,但是这本翻译很不靠谱
评分期末被逼着3天内总算是看了一遍 还是能学到一些东西 但有些公式和英文版不一样容易误导
评分这书可读性很差,英文版也好不到哪里去
评分比较难,不适合入门
评分比较难,不适合入门
统计学习基础 2024 pdf epub mobi 电子书