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2024-11-22
统计学习基础(第2版)(英文) 2024 pdf epub mobi 电子书
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...
评分中文翻译版大概是用google翻译翻的,然后排版一下,就出版了。所以中文翻译版中,每个单词翻译是对的,但一句话连起来却怎么也看不懂。最佳阅读方式是,看英文版,个别单词不认识的话,再看中文版对应的那个词。但如果英文版整个句子都不懂的话,那只有去借助baidu/google,并...
评分http://www-stat.stanford.edu/~hastie/local.ftp/Springer/ESLII_print3.pdf
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
A comprehensive book concerning ML. I recommend it to advanced readers equipped with extensive solid mathematical foundation, especially certain core courses of statistics(e.g., multivariate statistical analysis), matrix theory, optimization theory and numerical analysis.
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。
评分Good Introduction with detailed explanation in spite of tediousness.
评分讨论班一直在讲这本书,难度对我来说挺高的,但是读透了就会有种醍醐灌顶的感觉,机器学习的必读书目之一吧。
评分不适合没怎么学过统计和线性代数的人看,不太友好
统计学习基础(第2版)(英文) 2024 pdf epub mobi 电子书