统计学习导论 pdf epub mobi txt 电子书下载 2025

简体网页||繁体网页

☆☆☆☆☆

出版者:机械工业出版社

作者:Gareth James

出品人:

页数:290

译者:王星

出版时间:2015-5-1

价格:CNY 79.00

装帧:平装

isbn号码:9787111497714

丛书系列:数据科学与工程技术丛书

图书标签:

统计学习
R
机器学习
数据分析
统计
统计学
数据挖掘
统计学习基础
统计学习
机器学习
数据科学
概率论
回归分析
分类算法
模型评估
统计推断
特征工程
过拟合

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

《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

目录
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

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☆☆☆☆☆

1. expected test MSE use：to assess the accuracy of model predictions. obtain: repeatedly estimate f using a large number of training sets and test each at x0. decompose: into 3 parts -- variance, bias and irreducible error. note: the meaning of variance an...

评分☆☆☆☆☆

Notes of Introduction to Statistical Learning ===================================== ## Statistical Learning - basic concepts - two main reasons to estimate f: prediction and inference - trade-off: complex models may be good for accurate prediction, but it m...

评分☆☆☆☆☆

1，统计学习的入门书，通俗易懂，号称是ESL的入门版，全书没有太多数学推导，适合学工程的人不适合学统计的人读。2，监督学习占了大部分篇幅，我觉得这本书最好的部分就是模型的讨论都围绕variance和bias的trade-off展开，还有就是对模型的整体性能，以及参数的经验取值都给出...