具体描述
《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。
作者简介
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.
目录信息
第二章 有指导学习概述
第三章 回归的线性方法
第四章 分类的线性方法
第五章 基展开与正则化
第六章 核方法
第七章 模型评估与选择
第八章 模型推理和平均
第九章 加法模型、树和相关方法
第十章 提升和加法树
第十一章 神经网络
第十二章 支持向量机和柔性判别
第十三章 原型方法和最近邻
第十四章 无指导学习
· · · · · · (收起)
读后感
The methodology used in the books are fancy and attractive, yet in terms of rigorous proofs, sometimes the book skip steps and is difficult to follow. ~ Slightly sophisticated for undergraduate students, but in general is a very nice book.
评分[https://web.stanford.edu/~hastie/ElemStatLearn/] ==========================================================================================================================================================
评分[https://esl.hohoweiya.xyz/index.html] ==========================================================================================================================================================
评分 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...
用户评价
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。
评分这本书实在是不好读，不过还算是可以学到点东西的
评分比较难，不适合入门
评分: C8/6344
评分大家都说不错，不过不是统计人，看得不清不楚
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.quotespace.org All Rights Reserved. 小美书屋 版权所有