统计学习基础
The Elements of Statistical Learning
Trevor Hastie , Robert Tibshirani , Jerome Friedman · 初版 2001 年
- 269次提及
- 140人推荐
- 231位 HN 评论者
简介
阐述了 machine learning、data mining 和 bioinformatics 中的重要统计思想。涵盖范围广泛，从 supervised learning（prediction）到 unsupervised learning，包括 classification trees、neural networks 以及 support vector machines。
为什么值得读
从坚实统计学理论出发奠定现代机器学习的底层基石
- 机器学习领域的开山经典教材与权威指南
- 深入从统计学视角剖析算法背后的数理原理
- 官方提供免费电子版便于系统性研读
适合：具备扎实高数与概率基础的机器学习学习者
值得读指数：72 / 100
Hacker News 读者推荐
……现在有点过时了，但它依然是该领域最平易近人、写得最好的书之一。另一本经得起时间考验的老书是 E.T. 杰恩斯的《概率论沉思录》。蒂布希拉尼的《统计学习要素》也很棒。安德鲁·格尔曼的《贝叶斯数据分析》是另一本神作。伊恩·古德费洛和约书亚·本吉奥的《深度学习》对于跟上最新进展很有帮助……
CuriouslyC 在 HN 的推荐
对于那些想更扎实地理解机器学习、而且还没把数学和概率论/统计学忘光的人（比如高年级本科生或刚入学的研究生），最好的教材似乎是：Hastie、Tibshirani 和 Friedman 合著的《统计学习要素》（Elements of Statistical Learning），网上有免费版。Chris Bishop 的《模式识别与机器学习》（Pattern Recognition and Machine Learning），非常贝叶斯。Kevin Murphy 的《机器学习：概率视角》（Machine Learning: A Probabilistic Perspective）……
martincmartin 在 HN 的推荐
……成为一名数据科学家。有些课程则没啥用。Coursera 上的课程很适合带你入门；它们相当于大学入门级课程，如果你能啃完那些论文和经典教材（比如 Hastie 等人的《统计学习要素》），大概一两年就能进入中级水平。这并不容易，但绝对行得通。我认为要达到专家级别，就必须靠实战经验了……
michaelochurch 在 HN 的推荐
找书
豆瓣 微信读书 京东 Open Library ISBN 0471056693
数据整理自 Hacker News 公开评论，数据来源 hackerbooks.org 与 Open Library。