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,细节并不是很多。
3,对于那些想要做机器学习、数据挖掘相关应用的人来说,书中的部分内容过于“统计”,比如basis expansion和spline等。
4,部分内容介绍并不详细,例如neural network,也并没有介绍图模型相关内容。
优点:
1, 机器学习本身很多内容直接来自统计学,如回归和分类模型,所以了解这些内容在统计学中是如何表达的,尤其是较为精确的数学表达,将会非常有帮助。
2, 书中有很多作者自己的总结,也有新观点,例如第10章中“Off-the-Shelf Procedures for Data Mining”,这在其他书中比较少见。
3,关于tree和boosting的介绍非常详细,横跨第9章和第10章。可能跟这部分内容是作者的研究领域有关。
就像标题里说的,本书只是提供了机器学习、数据挖掘、模式识别等领域的统计学观点,所以还是建议继续阅读其他的相关书籍,以期达到融会贯通。
共勉。
机器学习、数据挖掘、模式识别的统计学观点
对“机器学习、数据挖掘、模式识别的统计学观点”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