统计学习基础(第2版)(英文) pdf epub mobi txt 电子书下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:世界图书出版公司北京公司

作者:Trevor Hastie

出品人:

页数:745

译者:

出版时间:2015-1-1

价格:102.80

装帧:平装

isbn号码:9787510084508

丛书系列:Springer Series in Statistics 影印版

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
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

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到小美书屋

book.quotespace.org

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

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

评分☆☆☆☆☆

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...

评分☆☆☆☆☆

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...

评分☆☆☆☆☆

这个简单的书评只是我个人的观点，所以我觉得先了解一下我的背景是有帮助的：本科计算机，数学功底尚可，研究生方向机器学习、数据挖掘相关应用研究。缺点： 1，阅读此书前，读者需要具备基本的统计学知识，所以书的内容并不“基础”。 2，书中很少涉及到公式推导，细节并不...

评分☆☆☆☆☆

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...

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。

用户评价

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==

评分☆☆☆☆☆

不适合没怎么学过统计和线性代数的人看，不太友好

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☆☆☆☆☆

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。