具体描述
《统计学习导论:基于R应用》读者对象是那些希望运用统计学习前沿技术分析数据的人士，既包括统计学专业的师生，也包括非统计学专业的从业者。
作者简介
作者：（美国）加雷斯·詹姆斯（Gareth James） （美国）丹妮拉·威滕（Daniela Witten） （美国）特雷弗·哈斯帖（Trevor Hastie） （美国）罗伯特·提布施瓦尼（Robert Tibshirani） 译者：王星
目录信息
中文版序
译者序
前言
第1章导论
1.1统计学习概述
1.2统计学习简史
1.3关于这本书
1.4这本书适用的读者群
1.5记号与简单的矩阵代数
1.6本书的内容安排
1.7用于实验和习题的数据集
1.8本书网站
1.9致谢
第2章统计学习
2.1什么是统计学习
2.2评价模型精度
2.3实验：R语言简介
2.4习题
第3章线性回归
3.1简单线性回归
3.2多元线性回归
3.3回归模型中的其他注意
事项
3.4营销计划
3.5线性回归与K最近邻法的
比较
3.6实验：线性回归
3.7习题
第4章分类
4.1分类问题概述
4.2为什么线性回归不可用
4.3逻辑斯谛回归
4.4线性判别分析
4.5分类方法的比较
4.6R实验：逻辑斯谛回归、LDA、QDA和KNN
4.7习题
第5章重抽样方法
5.1交叉验证法
5.2自助法
5.3实验：交叉验证法和自助法
5.4习题
第6章线性模型选择与正则化
6.1子集选择
6.2压缩估计方法
6.3降维方法
6.4高维问题
6.5实验1：子集选择方法
6.6实验2：岭回归和lasso
6.7实验3：PCR和PLS回归
6.8习题
第7章非线性模型
7.1多项式回归
7.2阶梯函数
7.3基函数
7.4回归样条
7.5光滑样条
7.6局部回归
7.7广义可加模型
7.8实验：非线性建模
7.9习题
第8章基于树的方法
8.1决策树基本原理
8.2装袋法、随机森林和提升法
8.3实验：决策树
8.4习题
第9章支持向量机
9.1最大间隔分类器
9.2支持向量分类器
9.3狭义的支持向量机
9.4多分类的SVM
9.5与逻辑斯谛回归的关系
9.6实验：支持向量机
9.7习题
第10章无指导学习
10.1无指导学习的挑战
10.2主成分分析
10.3聚类分析方法
10.4实验1：主成分分析
10.5实验2：聚类分析
10.6实验3：以NCI60数据为例
10.7习题
· · · · · · (收起)
读后感
很适合入门，几乎没有什么数学，英文读起来也很简单，一些词汇不懂可以对照中文版。中文版叫：统计学习导论：基于 R 应用。适合刚刚接触机器学习的同学阅读。和适合我这种菜鸟阅读学习，下载了 N 本机器学习的书了，这本是唯一能读的下去的。初学主要是先了解概念，对机器学习...
评分很适合入门，几乎没有什么数学，英文读起来也很简单，一些词汇不懂可以对照中文版。中文版叫：统计学习导论：基于 R 应用。适合刚刚接触机器学习的同学阅读。和适合我这种菜鸟阅读学习，下载了 N 本机器学习的书了，这本是唯一能读的下去的。初学主要是先了解概念，对机器学习...
评分业界良心，为学渣精心打造……深入浅出，甚至连矩阵怎么算怕你不会都告诉你，而且尽量避免使用矩阵之类的纯数学的表达，比较适合只学习应用的同学，不用关心太多内在证明。例子给的也很足，非常实际。R的例子讲的也很实用。总之非常适合自学。
评分http://www-bcf.usc.edu/~gareth/ISL/ ==========================================================================================================================================================
评分这本书读起来不费劲，弱化了数学推导过程，注重思维的直观理解和启发。读起来很畅快，个人感觉第三章线性回归写的很好，即使是很简单的线性模型，作者提出的几个问题和细细的解释这些问题对人很有启发性，逻辑梳理得很好，也易懂。(不过有点可惜的是翻译版本确实不是太好，有些...
用户评价
圣经的简化版
评分第三章和第六章完全没推导，差评。
评分比较实用
评分偏概念，没有数学推导
评分比较实用
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