具體描述
《統計學習導論:基於R應用》讀者對象是那些希望運用統計學習前沿技術分析數據的人士，既包括統計學專業的師生，也包括非統計學專業的從業者。
著者簡介
作者：（美國）加雷斯·詹姆斯（Gareth James） （美國）丹妮拉·威滕（Daniela Witten） （美國）特雷弗·哈斯帖（Trevor Hastie） （美國）羅伯特·提布施瓦尼（Robert Tibshirani） 譯者：王星
圖書目錄
中文版序
譯者序
前言
第1章導論
1.1統計學習概述
1.2統計學習簡史
1.3關於這本書
1.4這本書適用的讀者群
1.5記號與簡單的矩陣代數
1.6本書的內容安排
1.7用於實驗和習題的數據集
1.8本書網站
1.9緻謝
第2章統計學習
2.1什麼是統計學習
2.2評價模型精度
2.3實驗：R語言簡介
2.4習題
第3章綫性迴歸
3.1簡單綫性迴歸
3.2多元綫性迴歸
3.3迴歸模型中的其他注意
事項
3.4營銷計劃
3.5綫性迴歸與K最近鄰法的
比較
3.6實驗：綫性迴歸
3.7習題
第4章分類
4.1分類問題概述
4.2為什麼綫性迴歸不可用
4.3邏輯斯諦迴歸
4.4綫性判彆分析
4.5分類方法的比較
4.6R實驗：邏輯斯諦迴歸、LDA、QDA和KNN
4.7習題
第5章重抽樣方法
5.1交叉驗證法
5.2自助法
5.3實驗：交叉驗證法和自助法
5.4習題
第6章綫性模型選擇與正則化
6.1子集選擇
6.2壓縮估計方法
6.3降維方法
6.4高維問題
6.5實驗1：子集選擇方法
6.6實驗2：嶺迴歸和lasso
6.7實驗3：PCR和PLS迴歸
6.8習題
第7章非綫性模型
7.1多項式迴歸
7.2階梯函數
7.3基函數
7.4迴歸樣條
7.5光滑樣條
7.6局部迴歸
7.7廣義可加模型
7.8實驗：非綫性建模
7.9習題
第8章基於樹的方法
8.1決策樹基本原理
8.2裝袋法、隨機森林和提升法
8.3實驗：決策樹
8.4習題
第9章支持嚮量機
9.1最大間隔分類器
9.2支持嚮量分類器
9.3狹義的支持嚮量機
9.4多分類的SVM
9.5與邏輯斯諦迴歸的關係
9.6實驗：支持嚮量機
9.7習題
第10章無指導學習
10.1無指導學習的挑戰
10.2主成分分析
10.3聚類分析方法
10.4實驗1：主成分分析
10.5實驗2：聚類分析
10.6實驗3：以NCI60數據為例
10.7習題
· · · · · · (收起)
讀後感
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...
評分业界良心，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。
評分很适合入门，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...
評分业界良心，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。
評分业界良心，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。
用戶評價
翻譯很蹩腳，極其考驗中文功底~
评分嶺迴歸中的Lambda怎麼選取？有點沒看懂
评分譯者在翻譯的時候還是應該讀的更仔細些。一些在英文版中存在的連我這個外行都能看得齣來的筆誤，翻譯版依然存在。還有一些翻譯錯誤，如果不是對著原版看的，估計怎麼都無法釋懷。
评分聖經的簡化版
评分聖經的簡化版
相關圖書
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