이 게시물을 기반으로 통계 학습 요소를 요약하고 싶습니다. 다행히도 무료로 사용할 수 있으며 읽기 시작했습니다.
나는 그것을 이해하기에 충분한 지식이 없다. 책의 주제를 더 잘 소개하는 책을 추천 할 수 있습니까? 희망적으로 그것을 이해하는 데 필요한 지식을 줄 것입니까?
관련 :
답변:
구입했지만 아직 읽지 않았습니다.
S. Marsland, 기계 학습 : 알고리즘 관점 , Chapman & Hall, 2009.
그러나 리뷰는 호의적이며 더 깊이있는 다른 ML 책보다 초보자에게 더 적합하다고 언급합니다. 페이지를 넘기면 수학 배경이 거의 없기 때문에 나에게 좋을 것 같습니다.
Elements of Statistical Learning의 저자는 무거운 수학 배경이없는 사용자를 대상으로하는 새로운 책 (2013 년 8 월)을 발표했습니다. 통계 학습 소개 : R의 응용 프로그램 사용
내가 발견 집단 지성 프로그래밍 토비 세가 란 데이터는 가능한 한 빨리 해킹에 그 / 그녀의 손이 더러워 얻을 수있는 중간 소프트웨어 개발자를 허용에 초점을 맞추고있는 저자 있기 때문에, 초보자를위한 쉬운 책.
일반적인 장 : 데이터 문제가 명확하게 설명되고, 알고리즘의 작동 방식에 대한 대략적인 설명과 몇 줄의 코드로 통찰력을 만드는 방법을 보여줍니다.
파이썬을 사용하면 모든 것을 빨리 이해할 수 있습니다 (파이썬을 알 필요는 없습니다. 진지하게도 전에는 몰랐습니다). DONT는이 책이 추천 시스템 작성에만 초점을 맞추고 있다고 생각합니다. 또한 텍스트 마이닝 / 스팸 필터링 / 최적화 / 클러스터링 / 검증 등을 다루므로 모든 데이터 마이너의 기본 도구에 대한 깔끔한 개요를 제공합니다.
10 장에서는 주식 시장 데이터를 다루지 만 시계열 데이터 마이닝에 중점을 두지는 않습니다. 아마도이 훌륭한 책의 유일한 단점 일 것입니다.
E. Alpaydin (MIT Press, 2010, 2nd ed.)의 머신 러닝 소개 는 주교의 패턴 인식 및 머신 러닝과 같은 멋진 삽화로 많은 주제를 다룹니다.
또한 Andrew W. Moore는 통계 데이터 마이닝 에 대한 유용한 자습서를 제공 합니다.
아마도 Wasserman의 모든 통계 가 흥미로울 것입니다. 주어진 링크에서 책을 샘플링 할 수 있습니다. 서문의 처음 몇 단락만으로도 시장에 판매 할 수 있습니다. 대학과 관련된 경우 Springer를 통해 무료로 책을 다운로드 할 수 있습니다.
편집 : 죄송합니다,이 스레드가 얼마나 고대인지 알지 못했습니다.
통계 학습의 요소는 특히 자기 학습자에게는 어려운 내용 일 수 있습니다. 두 번째 장에서 일부 설명을 검색하는 동안 https://waxworksmath.com/Authors/G_M/Hastie/WriteUp/Weatherwax_Epstein_Hastie_Solution_Manual.pdf 리소스를 발견했습니다 . 여기에는 100 페이지 이상의 주석과 설명이 포함되어있어 책의 복잡한 순간을 명확하게 보여줍니다. 이 책을 읽는 모든 사람에게 훌륭한 자료입니다. 이 보충 텍스트에는 연습용 솔루션이 포함되어 있습니다.
Rogers와 Girolami 의 첫 번째 기계 학습 과정을 강력히 추천 합니다. 핵심 아이디어를 논리적 인 순서로 다루고 있으며 좋은 예와 최소한의 수학 수준으로 기본에 대한 적절한 접지를 제공합니다. 그것은 일부 책들에 대한 광범위한 내용을 가지고 있지는 않지만, 그것이 소개 텍스트만큼 좋은 이유입니다.
매우 흥미로운 또 다른 책은 David Barber의 Bayesian Reasoning and Machine Learning입니다. 이 책은 저자의 웹 사이트에서 무료로 다운로드 할 수 있습니다 : http://www.cs.ucl.ac.uk/staff/d.barber/brml/