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2025-04-10
统计学习基础(第2版)(英文) 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 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
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。
评分我来说下,本书面向的读者对象为精通概率统计的人,即你差不多是个统计学博士就可以了,不然很多结论直接就来,也不推导。本书重概率统计直觉,我觉得此书很尴尬,厉害的人觉得就是个提纲,水平差的人又觉得太跳跃。最后,统计机器学习入门慎看此书。
评分不适合没怎么学过统计和线性代数的人看,不太友好
评分楼下有几位兄台对“基础”的要求未免太苛刻了,这是面向研究生的书籍,应该用评价GTM的标准来衡量它啊。 而且本书的门槛是本科那些知识学扎实就可以读了,做学问来说这难道还不够基础么?
评分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。
统计学习基础(第2版)(英文) 2025 pdf epub mobi 电子书