沒錯!經典教材《統(tǒng)計學習導論》現(xiàn)在有了 Python版!
點擊關注"Python學習與數(shù)據(jù)挖掘"
更多超級干貨第一時間推送給你哦?。?！
《統(tǒng)計學習導論》很經典，但用的是 R 語言，沒關系，這里有份 Python 版習題實現(xiàn)。
斯坦福經典教材《The Element of Statistical Learning》（簡稱 ESL）被稱為頻率學派的統(tǒng)計學習「圣經」，由三位統(tǒng)計學大師——Trevor Hastie、Robert Tibshirani、Jerome Friedman 共同完成。這本書介紹了神經網(wǎng)絡、支持向量機、分類樹和 boosting、圖模型、隨機森林、集成方法、Lasso 最小角度回歸和路徑算法、非負矩陣分解和譜聚類等各類機器學習算法，可以幫助讀者了解機器學習算法全貌。
但對于剛入門的小白來說，把這本經典教材啃下來難度還是相當大的，因為書中有大量的公式、矩陣推導，總長度達到 700 多頁。因此，Trevor Hastie 等人又寫了一本入門級的《Introduction to Statistical Learning with R（統(tǒng)計學習導論：基于 R 應用）》（簡稱 ISL），幫助更多的人盡快上手。ISL 弱化了數(shù)學推導的細節(jié)，更注重方法的應用，相當于 ESL 的導讀版，在入門讀者中很受歡迎。
但美中不足的是，書中的練習是用 R 語言來實現(xiàn)的，這對于主要使用 Python 語言的機器學習研究者來說不太友好。
為了克服這一障礙，有人嘗試用 Python 語言解決了書里的所有概念、應用練習，并將其上傳到了 GitHub。
除了練習之外，他還提供了書中某些話題的 Python 教程并重制了一些圖表。
作者表示，完成這項工作并不簡單，需要做很多研究工作，書中也可能存在紕漏。
和原書對應，作者給出的 Python 解決方案正文也分為以下九章：
統(tǒng)計學習
線性回歸
分類
重采樣方法
線性模型選擇與正則化
非線性模型
基于樹的方法
支持向量機
無監(jiān)督學習
每章至少包含兩部分：應用問題和概念問題，對應書中兩種不同的練習題。
第四章的「應用問題」部分。如果你正在讀這本書或者想重新做一下書里的練習，可以參考這份 Python 版資料，也可以跟著教材的配套視頻邊學邊做。
領取方式：
長按掃碼，發(fā)消息?[導論]
評論
圖片
表情