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2025-02-25
统计学习基础 2025 pdf epub mobi 电子书
评论最下面的部分Version 1是我开始读这本书的时候写的东西,现在加上点基础部分。 对linear algebra, probability 要有非常强的直观认识,对这两个基础学的非常通透。Linear algebra 有几种常用的分解QR, eigendecomposition, SVD,搞清楚它们的作用和几何意义。Bayesian meth...
评分[https://esl.hohoweiya.xyz/index.html] ==========================================================================================================================================================
评分 评分对于新手来说,这本书和PRML比起来差太远,新手强烈建议去读PRML,接下来再看这本书。。我就举个最简单的例子吧,这本书的第二章overview of supervised learning和PRML的introduction差太远了。。。。读这本书的overview如果读者没有基础几乎不知所云。。但是PRML通过一个例子...
评分评论最下面的部分Version 1是我开始读这本书的时候写的东西,现在加上点基础部分。 对linear algebra, probability 要有非常强的直观认识,对这两个基础学的非常通透。Linear algebra 有几种常用的分解QR, eigendecomposition, SVD,搞清楚它们的作用和几何意义。Bayesian meth...
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。
确实翻译的一塌糊涂。。都看不下去了。。
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。
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。
评分这翻译。。。
评分这本书实在是不好读,不过还算是可以学到点东西的
统计学习基础 2025 pdf epub mobi 电子书