統(tǒng)計學習圣經(jīng)！經(jīng)典教材《統(tǒng)計學習導論》Python版

來源：機器之心

《統(tǒng)計學習導論》很經(jīng)典，但習題用的是 R 語言實現(xiàn)，沒關系，這次有份了Python 版。

斯坦福經(jīng)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(jīng)」，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(jīng)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(jīng)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。

GitHub 鏈接：

https://github.com/hardikkamboj/An-Introduction-to-Statistical-Learning

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。

視頻鏈接：https://www.bilibili.com/video/BV11t411A7Ym

· 往期精選 ·

1

學習Anaconda一定要了解這幾件事

2

多快好省地使用pandas分析大型數(shù)據(jù)集

3

3000字！5大SQL數(shù)據(jù)清洗方法！

---

Python大數(shù)據(jù)分析

data creates?value

掃碼關注我們