《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。
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.
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...
評分我导师(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...
評分个人觉得“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...
評分http://www-stat.stanford.edu/~hastie/local.ftp/Springer/ESLII_print3.pdf
評分对于新手来说,这本书和PRML比起来差太远,新手强烈建议去读PRML,接下来再看这本书。。我就举个最简单的例子吧,这本书的第二章overview of supervised learning和PRML的introduction差太远了。。。。读这本书的overview如果读者没有基础几乎不知所云。。但是PRML通过一个例子...
比較難,不適閤入門
评分很多人反應翻譯得不好,我還是以前的老觀點<中文書籍可以讓你快速進入一個領域>。的確裏麵有些詞匯,並不是數學中標準的翻譯。提一點:很多方法從統計的角度並不一定是最好的理解方式。繼續攻讀英文第二版。
评分上學時讀的書,存
评分中文版翻譯得不咋地,不過內容確實深奧,不好懂,可以慢慢看。
评分比較難,不適閤入門
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