Un livre à lire avant Elements of Statistical Learning?

50

Sur la base de cet article , je souhaite digérer des éléments d’apprentissage statistique. Heureusement, il est disponible gratuitement et j'ai commencé à le lire.

Je n'ai pas assez de connaissances pour le comprendre. Pouvez-vous recommander un livre qui constitue une meilleure introduction aux sujets abordés? Si tout va bien quelque chose qui me donnera les connaissances nécessaires pour le comprendre?

Apparenté, relié, connexe:

Une solide formation en mathématiques est-elle une condition préalable à la maîtrise du blanchiment?

machine-learning  references 
— inconnu
source
12
J'ai trouvé l'algèbre linéaire de Strang et ses applications extrêmement utiles pour comprendre les manipulations matricielles qui constituent une grande partie des éléments.
— richiemorrisroe

Réponses:

18

J'ai acheté, mais je n'ai pas encore lu,

S. Marsland, Apprentissage automatique: une perspective algorithmique , Chapman & Hall, 2009.

Cependant, les critiques sont favorables et indiquent qu'il est plus approprié pour les débutants que les autres livres sur le ML qui ont plus de profondeur. En feuilletant les pages, il me semble que ce serait bon pour moi, car j'ai peu de connaissances en mathématiques.

— Steve P
source
A l'air génial - très accessible.
— B Seven
J'ai téléchargé et lu "l'échantillon" - toutes les 19 pages (wow). C'est beaucoup plus facile à comprendre que Les éléments de l'apprentissage statistique. Semble être ce que je recherche. Merci.
— B Seven
4
J'ai apporté des modifications à votre question afin de fournir une citation pour le livre. De manière générale, il est déconseillé de mettre des mots comme "J'aime celui-ci " dans une réponse, car si le lien se brise, personne ne saura à quoi "celui-ci" faisait allusion. À votre santé.
— cardinal
Je viens de recevoir ceci et j'ai commencé à le lire (75 premières pages). C'est génial. Très facile à comprendre, mais suffisamment détaillé pour être pratique et utile. Fortement recommandé à quiconque souhaite utiliser le Machine Learning. Exactement ce que je cherchais. Merci!
— B Seven
39

Les auteurs de Elements of Statistical Learning ont publié un nouveau livre (août 2013) destiné aux utilisateurs sans connaissances approfondies en mathématiques. Introduction à l'apprentissage statistique: avec applications en R

La version PDF gratuite de ce livre est actuellement disponible ici .

— Brian
source
J'allais suggérer cela depuis sa publication récente et est évidemment fortement liée au texte objectif de l'affiche. Bonne recommandation
— Chris Simokat
3
Mieux encore, les auteurs ont annoncé qu'un pdf gratuit en ligne de ce livre serait disponible à partir de janvier 2013 (il est utilisé dans un MOOC qu'ils utilisent actuellement).
— Flounderer
16

Je trouvais le livre le plus facile à programmer pour les débutants dans la programmation de l’Intelligence collective , puisque l’auteur Toby Segaran s’efforce de permettre au développeur de logiciel médian de se salir le plus rapidement possible avec le piratage de données.

Chapitre typique: Le problème de données est clairement décrit, suivi d’une explication sommaire du fonctionnement de l’algorithme et montre enfin comment créer des informations avec seulement quelques lignes de code.

L'utilisation de python permet de tout comprendre assez rapidement (vous n'avez pas besoin de connaître python, sérieusement, je ne le savais pas avant aussi). NE PENSEZ PAS que ce livre se concentre uniquement sur la création d'un système de recommandation. Il traite également de l'extraction de texte / filtrage du courrier indésirable / optimisation / regroupement / validation, etc.

Le chapitre 10 traite même des données boursières, mais l’accent n’est pas mis sur l’exploration de données chronologiques. Peut-être le seul inconvénient (pour vous) de cet excellent livre.

— steffen
source
Il est disponible sur safari Books Online safaribooksonline.com . Merci.
— B Seven
1
A obtenu ce livre et a commencé à travailler à travers. C'est très pratique. Dans les 18 premières pages, vous implémentez un moteur de recommandation complet (de base).
— B Seven
Wow, ce livre est vraiment incroyable. Il vous apprend à implémenter toutes sortes d'algorithmes d'apprentissage automatique avec juste un peu de code Python. Un des livres les plus pratiques de tous les temps. Le seul inconvénient est que Python a été mis à jour depuis la publication du livre. Il utilise également de nombreuses API qui ont également changé. Donc, je ne pense pas que les exemples fonctionneront sans quelques ajustements.
— B Seven
@BSeven merci, je ne le savais pas. Je ne suis pas sûr si je préfère un livre qui utilise des bibliothèques préexistantes (ce qui est généralement une chose à faire) ou son propre code (qui fonctionne pour tous les exemples de livres, mais qui peut être moins robuste en raison du nombre moins important d'utilisateurs).
— steffen
1
Je pense que ces jours-ci le seul choix est les bibliothèques préexistantes. Ils sont omniprésents, faciles à intégrer, multiplates-formes, multilingues et rapides. De plus, si un livre a son propre code, il est beaucoup plus difficile à modifier. Il est plus facile de modifier les appels vers une bibliothèque. Merci pour la recommandation. C'est une excellente ressource.
— B Seven
13

Introduction to Machine Learning , de E. Alpaydin (MIT Press, 2010, 2e éd.), Aborde de nombreux sujets avec de jolies illustrations (un peu comme celle de Bishop's Pattern Recognition et Machine Learning ).

En outre, Andrew W. Moore a quelques bons tutoriels sur l’exploration statistique de données .

— chl
source
(+1) Je ne connais pas le livre, mais les tutoriels d'Andrew Moore sont excellents (et même parfois divertissants)
— steffen
@steffen Je recommanderais également les méthodes statistiques de Radford Neale pour l'apprentissage automatique et l'exploration de données .
— chl
1
+1 Alpaydin est la bonne façon de faire. J'étais exactement dans la même situation que le PO il y a quelques mois. En luttant avec Tibshirani, puis nous avons rencontré Alpaydin et les choses se sont beaucoup améliorées depuis. Finalement, je pense que Tibshirani est une lecture incontournable.
— Andy
10

Toutes les statistiques de Mayhaps Wasserman seraient intéressantes. Vous pouvez goûter le livre à partir du lien indiqué - et quelques-uns seulement des premiers paragraphes de la préface font une vente dure pour votre marché - et vous pouvez probablement télécharger le livre gratuitement via Springer si vous êtes associé à une université.

EDIT: Oups, je n'ai pas remarqué à quel point ce fil était ancien.

— gars
source
5
Peu importe, la recommandation est toujours utile à tous ceux qui lisent le fil (comme moi; o).
— Dikran Marsupial,
1
Excellent livre, mais en toute justice, si l’on peut lire et comprendre toutes les statistiques , une bonne partie de l’anglais langue seconde est redondante.
— usεr11852 dit Rétablir Monic
7

Les éléments de l'apprentissage statistique pourraient être une lecture difficile, en particulier pour un auto-apprenant. En cherchant des explications sur le deuxième chapitre, je suis tombé sur la ressource suivante: https://waxworksmath.com/Authors/G_M/Hastie/WriteUp/Weatherwax_Epstein_Hastie_Solution_Manual.pdf . Il contient plus de 100 pages d'annotations et d'explications qui clarifient certains moments compliqués du livre. Une excellente ressource pour tous ceux qui lisent ce livre. Ce texte complémentaire inclut des solutions pour les exercices.

— Kirill Dubovikov
source
5

Je recommanderais fortement un premier cours d'apprentissage automatique de Rogers et Girolami. Il couvre les idées clés dans un ordre très logique, avec de bons exemples et le niveau minimum de mathématiques requis pour se familiariser avec les principes fondamentaux. Certains livres ne sont pas très diversifiés, mais c’est exactement pourquoi il est si bon comme texte d’introduction.

— Dikran Marsupial
source
On dirait un bon premier livre. Et, il existe une version Kindle.
— B Seven
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.