Основываясь на этом посте , я хочу переварить элементы статистического обучения. К счастью, он доступен бесплатно, и я начал его читать.
У меня недостаточно знаний, чтобы понять это. Можете ли вы порекомендовать книгу, которая является лучшим введением в темы книги? Надеюсь, что-то, что даст мне знания, необходимые для его понимания?
Связанный:
Является ли сильный фон в математике общим требованием для ML?
machine-learning
references
неизвестно
источник
источник
Ответы:
Я купил, но еще не читал,
Тем не менее, отзывы являются благоприятными и утверждают, что он более подходит для начинающих, чем другие книги ML, которые имеют большую глубину. Пролистывая страницы, мне кажется, что это хорошо для меня, потому что у меня мало математического фона.
источник
Авторы «Элемента статистического обучения» выпустили новую книгу (август 2013 г.), предназначенную для пользователей без математического образования. Введение в статистическое обучение: с приложениями в R
Бесплатная PDF-версия этой книги в настоящее время можно найти здесь .
источник
Я нашел Программирование Коллективного Разума самой простой книгой для начинающих, так как автор Тоби Сегаран сосредоточен на том, чтобы позволить среднему разработчику программного обеспечения максимально быстро испачкать свои руки взломом данных.
Типичная глава: проблема с данными четко описана, после чего следует грубое объяснение того, как работает алгоритм, и, наконец, показано, как создать некоторые идеи с помощью всего нескольких строк кода.
Использование python позволяет достаточно быстро все понять (вам не нужно знать python, серьезно, я тоже раньше не знал). Не думайте, что эта книга сосредоточена только на создании рекомендательной системы. Он также занимается анализом текста / фильтрацией спама / оптимизацией / кластеризацией / проверкой и т. Д. И, следовательно, дает вам четкий обзор основных инструментов каждого майнера данных.
В главе 10 даже рассматриваются данные фондового рынка, но основное внимание не уделяется анализу данных временных рядов. Возможно, единственный недостаток (для вас) этой превосходной книги.
источник
«Введение в машинное обучение » Э. Алпайдина (MIT Press, 2010, 2-е изд.) Охватывает множество тем с хорошими иллюстрациями (во многом как распознавание образов Бишопа и машинное обучение ).
Кроме того, у Эндрю У. Мура есть несколько хороших руководств по статистическому анализу данных .
источник
Вся статистика Mayhaps Wasserman будет интересна. Вы можете попробовать книгу по указанной ссылке - и только первые несколько абзацев предисловия сделают жесткую продажу вашему рынку - и вы, вероятно, можете бесплатно скачать книгу через Springer, если вы связаны с университетом.
РЕДАКТИРОВАТЬ: Ой, не заметил, как древняя эта нить.
источник
Элементы статистического обучения могут быть сложными для чтения, особенно для самообучающихся. В поисках некоторых объяснений во второй главе я наткнулся на следующий ресурс: https://waxworksmath.com/Authors/G_M/Hastie/WriteUp/Weatherwax_Epstein_Hastie_Solution_Manual.pdf . Он содержит более 100 страниц аннотаций и объяснений, которые проясняют некоторые сложные моменты книги. Отличный ресурс для всех, кто читает эту книгу. Этот дополнительный текст включает решения для упражнений.
источник
Я настоятельно рекомендую первый курс по машинному обучению Роджерса и Джиролами. Он охватывает ключевые идеи в очень логичном порядке, с хорошими примерами и с минимальным уровнем математики, чтобы иметь надлежащую основу в основах. Он не имеет широкого охвата некоторых книг, но именно поэтому он так хорош, как вводный текст.
источник
Еще одна очень интересная книга Дэвида Барбера - «Байесовское мышление и машинное обучение». Книга доступна для бесплатной загрузки с сайта автора: http://www.cs.ucl.ac.uk/staff/d.barber/brml/
источник