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.
非常难,一点都不element,是本百科全书式的读物,如果是初学者,不建议读 很多章节也没有细节,概述性的东西,能看懂几章就很不错了 其实每章都可以写成一本书,都可以做很多篇的论文 全部读懂非常非常难,倒是作为用到哪个部分作为参考资料查查很不错
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...
评分评论最下面的部分Version 1是我开始读这本书的时候写的东西,现在加上点基础部分。 对linear algebra, probability 要有非常强的直观认识,对这两个基础学的非常通透。Linear algebra 有几种常用的分解QR, eigendecomposition, SVD,搞清楚它们的作用和几何意义。Bayesian meth...
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...
评分一直觉得这个学科大概不存在入门教材这个概念。
评分名气很大,内容很散,不如直接读论文
评分内容多了一些前沿比较好用的东西,但是感觉印刷和装帧质量不如第一版了。可能是新的印刷厂的原因。
评分本书叫基础,其实是统计学习精要,数学基础比较差的连符号都费劲,虽然满满的文字解析,有另外一本《统计学习导论》,书是2010年的,模型都比较老和经典了,当年火热话题还是数据挖掘,很多模型都是KDD比赛的,后期可以继续跟踪学习Hastie教授们在伯克利和斯坦福的课程,另外推荐《稀疏统计学习应用》Tibshirani儿子的凸优化课程
评分名气很大,内容很散,不如直接读论文
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 qciss.net All Rights Reserved. 小哈图书下载中心 版权所有