Elemente statistischer Lernalternativen

8

Elements of Statistical Learning (ESL) ist ein Buch mit einer fantastischen Breite und Tiefe. Es behandelt das Wesentliche der sehr modernen Methoden, indem es die Arbeiten zitiert, in denen diese ursprünglichen Studien entstanden sind. Ich finde die Sprache des Buches jedoch wirklich sehr, sehr unerschwinglich. Ich glaube, es gibt einen einfacheren Weg, Konzepte zu diskutieren. Ich finde ESL einfach zu überwältigend. Kann jemand Alternativen vorschlagen, die für Uneingeweihte freundlicher sind?

Ich fand das Geschwister zu ESL: Einführung in das statistische Lernen. Das ist der Ton, den ich lesen und verstehen möchte. Es ist entgegenkommend, ohne die Dinge zu beschwichtigen. Gibt es etwas Ähnliches wie Intro to SL?

cgo
quelle
2
Können Sie mehr darüber sagen, wonach Sie suchen, was Sie in der Einführung in das statistische Lernen nicht finden?
Matthew Drury
Es gibt bestimmte Abschnitte in ESL, die in der Einleitung nicht enthalten sind. Vielleicht, weil es "jenseits" einer Einführung ist. Beispielsweise werden Abschnitte, die sich mit reduzierter Rangregression befassen, im Intro nicht erwähnt, aber in ESL ausführlich behandelt. Mein Eindruck ist jedoch, dass das Schreiben in ESL so erfolgt, dass der Leser belastet wird, anstatt ihn zu inspirieren. Das ist natürlich nur meine Meinung und trifft möglicherweise nicht auf andere Leser zu.
cgo
Ich habe auch festgestellt, dass in Kapitel 3 ESL von einzelnen Ausgabesystemen zu mehreren Ausgabesystemen und erneut zu einer einzelnen Ausgabe springt. Es ist ziemlich verwirrend. Und wenn Sie bereits in der Mitte verloren sind, ist das Lesen nachfolgender Abschnitte einfach nicht produktiv. Dies kann auch ein Brief sein, den ich an die Autoren schreiben sollte.
cgo
2
Sie könnten Applied Predictive Modeling von Kuhn et al. Die Überlappung könnte jedoch beträchtlich sein.
spdrnl
Ist "Einführung in das statistische Lernen mit R" zu elementar? Von im Grunde den gleichen Autoren.
meh

Antworten:

3

Ich stimme zu, dass eine Einführung in das statistische Lernen einen sehr entgegenkommenden Ton hat. Vielleicht möchten Sie sich Learning From Data ansehen , einen kurzen Kurs von Yaser Abu-Mostafa et al. Ich fand dieses Buch und die dazugehörigen Youtube-Videos großartig.

Schließlich ist der Kommentar von spdrnl zu Applied Predictive Modeling von Kuhn ein guter Vorschlag. Ich habe es noch nicht gelesen, aber ich habe es durchgesehen und es scheint auch eine großartige Ressource zu sein.

kmshannon
quelle
3

Mögliche Alternativen:

  • Mustererkennung und maschinelles Lernen von Christopher Bishop : Ich mag die Notationssysteme des Buches nicht, aber ich habe gehört, dass das Kapitel über grafische Modelle gut ist

  • Maschinelles Lernen: Eine probabilistische Perspektive von Kevin P. Murphy : Beschreiben Sie wie ein Wörterbuch verschiedene Methoden des maschinellen Lernens vor dem Deep-Learning

  • Deep Learning Book : Neuere Informationen zum Thema Deep Learning

  • Tauchen Sie ein in Deep Learning : Möglicherweise das neueste Deep Learning-Buch, das es bisher gab

Probieren Sie auch einige Kursnotizen aus:

JP Zhang
quelle