统计学习导论
Introduction to Statistical Learning
Gareth James , Daniela Witten , Trevor Hastie , Robert Tibshirani · 初版 2013 年
- 120次提及
- 85人推荐
- 108位 HN 评论者
为什么值得读
无需惧怕复杂数学即可建立预测建模知识体系
- 通览深度学习兴起前的各类预测建模方法
- 数学要求友好且繁重计算全交由R实现
- 官方提供配套免费在线课程与下载
适合：机器学习初学者或想补足统计基础的读者
值得读指数：91 / 100
Hacker News 读者推荐
……这些原则。读完这本后，我开始注意到数据基础设施中的通用模式，这帮我迅速搞懂了新技术是怎么运作的。（大部分都是同一套原则的变种）* 《Introduction to Statistical Learning》（James 等人著）和《Applied Predictive Modeling》（Kuhn 等人著）。这两本书全面梳理了深度学习出现之前的预测建模方法，这些方法至今仍旧非常有用，并且适用于……
wenc 在 HN 的推荐
……材料）。这能给你打下数学基础。还有些更偏向 ML 的书：- 《Foundations of Data Science》- Blum 等人 - 《Elements of Statistical Learning》- Hastie 等人。这本书的简化版——《Introduction to Statistical Learning》——在斯坦福官网上还有免费配套课程。- 《Machine Learning: A Probabilistic Perspective》- Murphy。要消化的内容挺多的。而且在某个节点上，你就该开始动手做实验了……
psv1 在 HN 的推荐
《Introduction to Statistical Learning》https://faculty.marshall.usc.edu/gareth-james/ISL/ 《Elements of Statistical Learning》https://web.stanford.edu/~hastie/ElemStatLearn/ 《Machine Learning: A Probabilistic Perspective》https://mitpress.mit.edu/books/machine-learning-1
uoaei 在 HN 的推荐
找书
豆瓣 微信读书 京东 Open Library ISBN 0198805098
数据整理自 Hacker News 公开评论，数据来源 hackerbooks.org 与 Open Library。