具體描述
《統計學習基礎:數據挖掘、推理與預測》介紹瞭這些領域的一些重要概念。盡管應用的是統計學方法，但強調的是概念，而不是數學。許多例子附以彩圖。《統計學習基礎:數據挖掘、推理與預測》內容廣泛，從有指導的學習（預測）到無指導的學習，應有盡有。包括神經網絡、支持嚮量機、分類樹和提升等主題，是同類書籍中介紹得最全麵的。計算和信息技術的飛速發展帶來瞭醫學、生物學、財經和營銷等諸多領域的海量數據。理解這些數據是一種挑戰，這導緻瞭統計學領域新工具的發展，並延伸到諸如數據挖掘、機器學習和生物信息學等新領域。許多工具都具有共同的基礎，但常常用不同的術語來錶達。
著者簡介
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.
圖書目錄
第二章 有指導學習概述
第三章 迴歸的綫性方法
第四章 分類的綫性方法
第五章 基展開與正則化
第六章 核方法
第七章 模型評估與選擇
第八章 模型推理和平均
第九章 加法模型、樹和相關方法
第十章 提升和加法樹
第十一章 神經網絡
第十二章 支持嚮量機和柔性判彆
第十三章 原型方法和最近鄰
第十四章 無指導學習
· · · · · · (收起)
讀後感
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
評分非常难，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
評分douban评论非要给出评价才能发表，这非常难决断 说你好呢，翻译的乱七八糟 说你不好呢，内容实在深刻 说起翻译来，这可是把中文说的比外文还难懂 Jiawei Han的数据挖掘让范明译的污七八糟 结果还让他来翻译这部经典，怀疑他在用google翻译 最后还是忍不住去图书馆复印了原版...
評分上半部看得更仔细些，相对来说收获也更多。书的前半部对各种回归说得很多，曾经仅仅了解这些的回归方法的大概思路，但是从本书中更能了解它们的统计意义、本质，有种豁然开朗的感觉：） 只是总的来说还是磕磕巴巴的看了一遍，还得继续仔细研读才好。希望能有更深刻的领悟，目的...
評分用戶評價
這些方法很贊
评分是本好書，已齣至第二版，但是這本翻譯的不太好，書名譯為“統計學習精要”更為閤適，作者給齣瞭各個版本的下載，不需花錢即可下載，也推薦大傢看英文原版。
评分比較難，不適閤入門
评分確實翻譯的一塌糊塗。。都看不下去瞭。。
评分本書很牛逼，但是這本翻譯很不靠譜
相關圖書
本站所有內容均為互聯網搜索引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 book.quotespace.org All Rights Reserved. 小美書屋 版权所有