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2024-05-13
统计学习基础(第2版)(英文) 2024 pdf epub mobi 电子书
个人觉得“机器学习 -- 从入门到精通”可以作为这本书的副标题。 机器学习、数据挖掘或者模式识别领域有几本非常流行的教材,比如Duda的模式分类,Bishop的PRML。Duda的书第一版是模式识别的奠基之作,现在大家谈论得是第二版,因为内容相对简单,非常流行,但对近20年取得统...
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[https://web.stanford.edu/~hastie/ElemStatLearn/] ==========================================================================================================================================================
评分读了一个月,还在前四章深耕,在此说明一下,网上的 solution,笔记啊,我见到的,只有一个份做的最详细,准确度最高,其余的都是滥竽充数,过程推导乱来,想当然,因为该书的符号有点混乱,所以建议阅读该书的人把前面的 Notation 读清楚,比如书中 X 出现的有好几种形式,每...
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: 机器学习 统计学习 统计学 数据挖掘 数学 统计 数据分析 statistics
其实这本书有个姐妹篇,叫 An Introduction to Statistical Learning: with Applications in R ,是Hastie 和Tibshirani 和另外两个作者合写的,更加适合入门,是非常经典的教材。
评分内容多了一些前沿比较好用的东西,但是感觉印刷和装帧质量不如第一版了。可能是新的印刷厂的原因。
评分算是很“基础”的一本书,内容覆盖了几乎10年之前所有与统计学习相关的内容,当然有详有略。要更近一步还得多多努力才行
评分感觉翻译为《统计学习精要》好一些,私以为这是目前统计学习领域首屈一指的参考书
评分统计学习,模式识别领域,最爱的一本书。推导过程清晰,还有各种感悟和总结,很好。但是讲的内容比机器学习少了一些,好像是没有hmm,crf的。
统计学习基础(第2版)(英文) 2024 pdf epub mobi 电子书