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 method的重要性也值得再三提起。
还有就是要懂基本算法,主要是指 searching algorithms 和 search space/decision tree 和 big O notation.
书本身应该来说写的非常清晰,没有用到什么高深的数学知识,看懂数学推导不困难。如果感觉看不懂数学推导,建议好好学习基础再来看。书里重要的是各种直观解释,多花时间思考书里提到各种方法的统计含义和几何含义。习题非常好,对理解各种算法本身有很大帮助;至少扫一眼。
严肃的读完1-4章和7章(作者在前言里已经说过),对linear/logistic regression要向对自家后院一样熟悉。其他章节按主题阅读,与其他data mining/machine learning 的对应章节或者论文一起阅读。
(Version 1)
我先说点题外话,然后是怎么读这本书。
其中一个作者Friedman是我们的老师,本来希望上课的时候老师能把书里的东西讲的清清楚楚,结果他讲课超级无聊,很多人都逃课了。按他自己的话说“上个quarter的statistical learning 我有次差点对着空教室讲课”。
牢骚发完了,说下读这本书要注意什么。好几个统计的和计算数学的博士都说这本书其实就是几个作者的工作和他们所玩领域的一个概览,初学者只读这本书肯定是搞不明白的,所以一定要读他们里面引用的paper啊!另外这些家伙假设读者已经知道hypothesis space searching 等等这种基本概念,neural network 也是讲的不太详细。所以另外的参考书就很重要了,像 machine learning, by Tom Mitchell, 就是给初学者写的好书。最后如果要编程的话,这本书里面没有code也没有online code,所以可以移步去读programming collective intelligence,里面的code 是python,至于R,可以google “data mining with r”,找本靠谱的书作参考。
这本书还是起了一个鸟瞰全局的作用的,当然鸟瞰的了不,还是要凭个人的努力和功力的。
不是书评
对“不是书评”的回应
《The Elements of Statistical Learning》热门书评
-
机器学习 -- 从入门到精通
70有用 1无用 Chen_1st 2010-12-27
个人觉得“机器学习 -- 从入门到精通”可以作为这本书的副标题。机器学习、数据挖掘或者模式识别领域有几本非常流行的教材,比如Duda的模式分类,Bishop的PRML。Duda的书第一版是模式识别的奠基之作,现在大家谈论得是第二版,因为内容相对简单,非常流行,但对近20年取得统治地位的SVM、Bo...
-
不是书评
50有用 2无用 Joseph 2012-06-08
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...
-
机器学习方面非常优秀的一本书
30有用 2无用 胡胡 2009-03-10
我导师(stanford博士毕业)非常欣赏这本书,并把它作为我博士资格考试的参考教材之一。感谢 ZHENHUI LI 提供的信息。本书作者已经将第二版的电子书放到网上,大家可以免费下载。http://www-stat.stanford.edu/~tibs/ElemStatLearn/网上还有一份s...
-
告诉大家一个下载此书的地方
23有用 2无用 王飞 2010-01-20
http://www-stat.stanford.edu/~tibs/ElemStatLearn/还是老外人品好,把自己的书免费放在互联网上。...
-
《统计学习基础》读后感:一点儿都不基础
17有用 0无用 Kord 2013-10-12
有人给我推荐这本书的时候说,有了这本书,就不再需要其他的机器学习教材了。入手这本书的接下来两个月,我与教材中艰深的统计推断、矩阵、数值算法、凸优化等数学知识展开艰苦的斗争。于是我明白了何谓”不需要其他的机器学习教材“:准确地说,是其他的教材都不需要了;一本书涵盖了我两年所学全部的研究生课程知识。这本...
书名: The Elements of Statistical Learning
作者:
出版社: Springer
副标题: Data Mining, Inference, and Prediction
出版年: December 2008
页数: 744
定价: USD 89.95
装帧: Hardcover
ISBN: 9780387848570