点击关注"Python学习与数据挖掘"
更多超级干货第一时间推送给你哦!!!
《统计学习导论》很经典,但用的是 R 语言,没关系,这里有份 Python 版习题实现。
斯坦福经典教材《The Element of Statistical Learning》(简称 ESL)被称为频率学派的统计学习「圣经」,由三位统计学大师——Trevor Hastie、Robert Tibshirani、Jerome Friedman 共同完成。这本书介绍了神经网络、支持向量机、分类树和 boosting、图模型、随机森林、集成方法、Lasso 最小角度回归和路径算法、非负矩阵分解和谱聚类等各类机器学习算法,可以帮助读者了解机器学习算法全貌。
但对于刚入门的小白来说,把这本经典教材啃下来难度还是相当大的,因为书中有大量的公式、矩阵推导,总长度达到 700 多页。因此,Trevor Hastie 等人又写了一本入门级的《Introduction to Statistical Learning with R(统计学习导论:基于 R 应用)》(简称 ISL),帮助更多的人尽快上手。ISL 弱化了数学推导的细节,更注重方法的应用,相当于 ESL 的导读版,在入门读者中很受欢迎。
但美中不足的是,书中的练习是用 R 语言来实现的,这对于主要使用 Python 语言的机器学习研究者来说不太友好。
为了克服这一障碍,有人尝试用 Python 语言解决了书里的所有概念、应用练习,并将其上传到了 GitHub。
除了练习之外,他还提供了书中某些话题的 Python 教程并重制了一些图表。
作者表示,完成这项工作并不简单,需要做很多研究工作,书中也可能存在纰漏。
和原书对应,作者给出的 Python 解决方案正文也分为以下九章:
统计学习
线性回归
分类
重采样方法
线性模型选择与正则化
非线性模型
基于树的方法
支持向量机
无监督学习
每章至少包含两部分:应用问题和概念问题,对应书中两种不同的练习题。
第四章的「应用问题」部分。
如果你正在读这本书或者想重新做一下书里的练习,可以参考这份 Python 版资料,也可以跟着教材的配套视频边学边做。
领取方式:
长按扫码,发消息[导论]