统计学习基础(第2版)(英文) pdf epub mobi txt 电子书 下载 2025
- 机器学习
- 统计学习
- 统计学
- 数据挖掘
- 数学
- 统计
- 数据分析
- statistics
- 统计学习
- 机器学习
- 数据分析
- 统计学
- 算法
- 概率论
- 数据科学
- 预测建模
- 监督学习
- 非监督学习
具体描述
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
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。
评分有人给我推荐这本书的时候说，有了这本书，就不再需要其他的机器学习教材了。 入手这本书的接下来两个月，我与教材中艰深的统计推断、矩阵、数值算法、凸优化等数学知识展开艰苦的斗争。于是我明白了何谓”不需要其他的机器学习教材“：准确地说，是其他的教材都不需要了；一本...
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。
评分用户评价
好书就得品着读
评分算是很“基础”的一本书，内容覆盖了几乎10年之前所有与统计学习相关的内容，当然有详有略。要更近一步还得多多努力才行
评分Good Introduction with detailed explanation in spite of tediousness.
评分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.
评分书名翻译有误。应该译为《统计学习精要》比较好，数学基础不好的可以对照着《统计学习导论》学习，从事机器学习理论研究的应该要看看《统计学习理论》这本著作。总的来说，如果时间充裕的话，还是必须要高屋建瓴，看一些深刻的书籍的。只有打好严谨扎实的基础，才能跟上机器学习领域的发展呐==
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