作者:
Gareth James
/
Daniela Witten
/
Trevor Hastie
出版社: 机械工业出版社
副标题: 基于R应用
原作名: An Introduction to Statistical Learning
译者: 王星
出版年: 2015-5-1
页数: 290
定价: CNY 79.00
装帧: 平装
丛书: 数据科学与工程技术丛书
ISBN: 9787111497714
出版社: 机械工业出版社
副标题: 基于R应用
原作名: An Introduction to Statistical Learning
译者: 王星
出版年: 2015-5-1
页数: 290
定价: CNY 79.00
装帧: 平装
丛书: 数据科学与工程技术丛书
ISBN: 9787111497714
内容简介 · · · · · ·
《统计学习导论:基于R应用》读者对象是那些希望运用统计学习前沿技术分析数据的人士,既包括统计学专业的师生,也包括非统计学专业的从业者。
统计学习导论的创作者
· · · · · ·
-
王星 译者
作者简介 · · · · · ·
作者:(美国)加雷斯·詹姆斯(Gareth James) (美国)丹妮拉·威滕(Daniela Witten) (美国)特雷弗·哈斯帖(Trevor Hastie) (美国)罗伯特·提布施瓦尼(Robert Tibshirani) 译者:王星
目录 · · · · · ·
目录
中文版序
译者序
前言
第1章导论
1.1统计学习概述
1.2统计学习简史
1.3关于这本书
1.4这本书适用的读者群
1.5记号与简单的矩阵代数
1.6本书的内容安排
1.7用于实验和习题的数据集
1.8本书网站
1.9致谢
第2章统计学习
2.1什么是统计学习
2.2评价模型精度
2.3实验:R语言简介
2.4习题
第3章线性回归
3.1简单线性回归
3.2多元线性回归
3.3回归模型中的其他注意
事项
3.4营销计划
3.5线性回归与K最近邻法的
比较
3.6实验:线性回归
3.7习题
第4章分类
4.1分类问题概述
4.2为什么线性回归不可用
4.3逻辑斯谛回归
4.4线性判别分析
4.5分类方法的比较
4.6R实验:逻辑斯谛回归、LDA、QDA和KNN
4.7习题
第5章重抽样方法
5.1交叉验证法
5.2自助法
5.3实验:交叉验证法和自助法
5.4习题
第6章线性模型选择与正则化
6.1子集选择
6.2压缩估计方法
6.3降维方法
6.4高维问题
6.5实验1:子集选择方法
6.6实验2:岭回归和lasso
6.7实验3:PCR和PLS回归
6.8习题
第7章非线性模型
7.1多项式回归
7.2阶梯函数
7.3基函数
7.4回归样条
7.5光滑样条
7.6局部回归
7.7广义可加模型
7.8实验:非线性建模
7.9习题
第8章基于树的方法
8.1决策树基本原理
8.2装袋法、随机森林和提升法
8.3实验:决策树
8.4习题
第9章支持向量机
9.1最大间隔分类器
9.2支持向量分类器
9.3狭义的支持向量机
9.4多分类的SVM
9.5与逻辑斯谛回归的关系
9.6实验:支持向量机
9.7习题
第10章无指导学习
10.1无指导学习的挑战
10.2主成分分析
10.3聚类分析方法
10.4实验1:主成分分析
10.5实验2:聚类分析
10.6实验3:以NCI60数据为例
10.7习题
· · · · · · (收起)
中文版序
译者序
前言
第1章导论
1.1统计学习概述
1.2统计学习简史
1.3关于这本书
1.4这本书适用的读者群
1.5记号与简单的矩阵代数
1.6本书的内容安排
1.7用于实验和习题的数据集
1.8本书网站
1.9致谢
第2章统计学习
2.1什么是统计学习
2.2评价模型精度
2.3实验:R语言简介
2.4习题
第3章线性回归
3.1简单线性回归
3.2多元线性回归
3.3回归模型中的其他注意
事项
3.4营销计划
3.5线性回归与K最近邻法的
比较
3.6实验:线性回归
3.7习题
第4章分类
4.1分类问题概述
4.2为什么线性回归不可用
4.3逻辑斯谛回归
4.4线性判别分析
4.5分类方法的比较
4.6R实验:逻辑斯谛回归、LDA、QDA和KNN
4.7习题
第5章重抽样方法
5.1交叉验证法
5.2自助法
5.3实验:交叉验证法和自助法
5.4习题
第6章线性模型选择与正则化
6.1子集选择
6.2压缩估计方法
6.3降维方法
6.4高维问题
6.5实验1:子集选择方法
6.6实验2:岭回归和lasso
6.7实验3:PCR和PLS回归
6.8习题
第7章非线性模型
7.1多项式回归
7.2阶梯函数
7.3基函数
7.4回归样条
7.5光滑样条
7.6局部回归
7.7广义可加模型
7.8实验:非线性建模
7.9习题
第8章基于树的方法
8.1决策树基本原理
8.2装袋法、随机森林和提升法
8.3实验:决策树
8.4习题
第9章支持向量机
9.1最大间隔分类器
9.2支持向量分类器
9.3狭义的支持向量机
9.4多分类的SVM
9.5与逻辑斯谛回归的关系
9.6实验:支持向量机
9.7习题
第10章无指导学习
10.1无指导学习的挑战
10.2主成分分析
10.3聚类分析方法
10.4实验1:主成分分析
10.5实验2:聚类分析
10.6实验3:以NCI60数据为例
10.7习题
· · · · · · (收起)
丛书信息
· · · · · ·
数据科学与工程技术丛书(共80册),
这套丛书还有
《数据科学工程实践》《海量文本数据的多维挖掘》《图分析与可视化》《大数据算法》《机器学习:Go语言实现》
等
。
喜欢读"统计学习导论"的人也喜欢 · · · · · ·
- 应用预测建模 9.3
- 数理统计学导论(原书第7版) 7.2
- 实用多元统计分析 8.7
- ggplot2 9.0
- 机器学习与R语言 8.6
- 概率论与数理统计教程 8.9
- R数据可视化手册 9.4
- 复杂数据统计方法 8.8
- 时间序列分析及应用 8.0
统计学习导论的书评 · · · · · · ( 全部 39 条 )
> 更多书评 39篇
论坛 · · · · · ·
矫情的译者+糟糕的翻译:说说王星翻译的《统计学习... | 来自大黄蜂95号 | 1 回应 | 2021-03-16 11:13:55 |
脑瘫的杰作:点评王星教授翻译的《统计学习导论:... | 来自大黄蜂95号 | 2021-01-24 13:11:25 | |
王星真是个垃圾制造者:《统计学习导论:基于R应用... | 来自大黄蜂95号 | 2021-01-21 09:55:45 | |
对照原书发现不少错误 | 来自豆芽 | 1 回应 | 2017-08-11 08:54:27 |
这本书的其他版本 · · · · · · ( 全部6 )
-
Springer (2013)9.6分 668人读过
-
Springer (2021)9.6分 22人读过
-
Springer (2023)暂无评分 8人读过
-
朝倉書店 (2018)暂无评分
以下书单推荐 · · · · · · ( 全部 )
- 计算机 (徐永冰)
- 学识——大数据与数据挖掘 (半睡半醒的猪)
- 数据分析与俱乐部运营 (Feisy1923)
- Statistics-Data Science-R (侯祥胡)
- Data Science (霏昀)
谁读这本书? · · · · · ·
二手市场
· · · · · ·
- 在豆瓣转让 有738人想读,手里有一本闲着?
订阅关于统计学习导论的评论:
feed: rss 2.0
0 有用 原祖義 2019-06-09 13:17:42
中文版序翻译的很差劲,印象不好。 内容翻译的很好,跟序言不是同一个作者。
0 有用 cordarndmyhead 2019-05-05 18:11:59
第三章和第六章完全没推导,差评。
7 有用 像是好天气 2018-09-12 17:02:32
翻译很蹩脚,极其考验中文功底~
2 有用 青木夕 2016-08-26 01:06:19
作为教材的翻译版 还是不错的 易懂
0 有用 quantang 2018-07-18 21:53:24
匆匆过了一遍,习题没做。前半英文版后半中文版。看英语还是累。
0 有用 阿修 2024-04-26 22:55:12 广东
翻译有点差劲,浪费了这么一本好书
0 有用 Nnnnoémie 2024-03-27 08:03:24 法国
原著是很好的书,但是这个译本像是完全没有专业知识的外行翻译的一样!有些地方用语不够专业,有些地方可以说是完全错误,非常误导初学者,哪怕是我这种有基础的人看到某些片段都要疑惑半天。中英对照地看完,只能说这翻译水平还不如DeepL。
0 有用 钻石龙 2023-07-13 11:32:35 江苏
书是好书,翻译的太烂了。真的不如机翻,很多地方都曲解了作者的意思。译者还说牺牲了半年时间翻译,真的丢脸。
0 有用 蓝白碗与红黑树 2023-06-10 00:46:25 江苏
非常棒。一本很适合入门统计学习的书,难度大体而言不高,讲的也很细致。还配有R实例是非常实用的。但翻译确实差点意思,不过算是瑕不掩瑜。
0 有用 momo 2022-11-20 21:33:16 陕西
我恨你。。我恨你。。我恨你、、!如果上90了回来改成两星