Buch zum Lesen vor Elementen des statistischen Lernens?

50

Basierend auf diesem Beitrag möchte ich Elemente des statistischen Lernens verdauen. Zum Glück ist es kostenlos erhältlich und ich habe angefangen, es zu lesen.

Ich habe nicht genug Wissen, um es zu verstehen. Können Sie ein Buch empfehlen, das eine bessere Einführung in die Themen des Buches bietet? Hoffentlich etwas, das mir das nötige Wissen gibt, um es zu verstehen?

Verbunden:

Ist ein ausgeprägter mathematischer Hintergrund eine Grundvoraussetzung für ML?

unbekannt
quelle
12
Ich fand Strangs lineare Algebra und ihre Anwendungen äußerst nützlich, um die Matrixmanipulationen zu verstehen, die einen großen Teil der Elemente ausmachen.
Richiemorrisroe

Antworten:

18

Ich habe gekauft, aber noch nicht gelesen,

S. Marsland, Maschinelles Lernen: Eine algorithmische Perspektive , Chapman & Hall, 2009.

Die Bewertungen sind jedoch positiv und geben an, dass es für Anfänger besser geeignet ist als andere ML-Bücher mit größerer Tiefe. Das Blättern durch die Seiten scheint mir gut zu sein, weil ich wenig mathematischen Hintergrund habe.

Steve P
quelle
Sieht toll aus - sehr gut zugänglich.
B Seven
Ich habe das "sample" heruntergeladen und gelesen - alle 19 Seiten (wow). Es ist viel einfacher zu verstehen als die Elemente des statistischen Lernens. Scheint definitiv das zu sein, wonach ich suche. Vielen Dank.
B Seven
4
Ich habe Ihre Frage bearbeitet, um das Buch zu zitieren. Im Allgemeinen wird davon abgeraten , Dinge wie "Ich mag dieses " in eine Antwort zu setzen, da niemand weiß, worauf sich "dieses" bezieht, wenn der Link unterbrochen wird. Prost.
Kardinal
Ich habe es gerade gelesen (die ersten 75 Seiten). Es ist großartig. Sehr einfach zu verstehen, aber detailliert genug, um praktisch und nützlich zu sein. Sehr empfehlenswert für alle, die maschinelles Lernen nutzen möchten. Genau das, wonach ich gesucht habe. Vielen Dank!
B Seven
39

Die Autoren von Elements of Statistical Learning haben ein neues Buch herausgebracht (August 2013), das sich an Benutzer ohne großen mathematischen Hintergrund richtet. Eine Einführung in das statistische Lernen: mit Anwendungen in R

Die kostenlose PDF-Version dieses Buches finden Sie derzeit hier .

Brian
quelle
Ich wollte dies vorschlagen, da es kürzlich veröffentlicht wurde und offensichtlich in engem Zusammenhang mit dem objektiven Text des Posters steht. Gute Empfehlung.
Chris Simokat
3
Besser noch, die Autoren haben angekündigt, dass ein kostenloses Online-PDF dieses Buches ab Januar 2013 verfügbar sein wird (es wird in einem von ihnen betriebenen MOOC verwendet.)
Flunder
16

Ich fand, dass das Programmieren von Collective Intelligence für Anfänger das einfachste Buch ist, da der Autor Toby Segaran sich darauf konzentriert, es dem mittleren Softwareentwickler zu ermöglichen, sich mit Datenhacken so schnell wie möglich die Hände schmutzig zu machen.

Typisches Kapitel: Das Datenproblem wird klar beschrieben, gefolgt von einer groben Erläuterung der Funktionsweise des Algorithmus, und schließlich wird gezeigt, wie Sie mit nur wenigen Codezeilen einige Erkenntnisse gewinnen.

Die Verwendung von Python ermöglicht es einem, alles ziemlich schnell zu verstehen (Sie müssen Python nicht ernsthaft kennen, ich wusste es vorher auch nicht). Denken Sie nicht, dass dieses Buch sich nur auf die Erstellung eines Empfehlungssystems konzentriert. Es behandelt auch Text Mining / Spam-Filterung / -Optimierung / -Clustering / -Validierung usw. und gibt Ihnen somit einen ordentlichen Überblick über die grundlegenden Tools jedes Data Miners.

Kapitel 10 befasst sich sogar mit Börsendaten, der Schwerpunkt liegt jedoch nicht auf dem Data Mining von Zeitreihen. Vielleicht der einzige Nachteil (für Sie) dieses ausgezeichneten Buches.

steffen
quelle
Es ist auf Safari Books Online unter safaribooksonline.com verfügbar . Vielen Dank.
B Seven
1
Habe dieses Buch bekommen und habe angefangen, daran zu arbeiten. Das ist sehr praktisch. Auf den ersten 18 Seiten implementieren Sie eine vollständige (grundlegende) Empfehlungs-Engine.
B Seven
Wow, dieses Buch ist wirklich unglaublich. Es zeigt Ihnen, wie Sie alle Arten von Algorithmen für maschinelles Lernen mit nur einem kleinen Python-Code implementieren. Eines der praktischsten Bücher aller Zeiten. Der einzige Nachteil ist, dass Python seit der Veröffentlichung des Buches aktualisiert wurde. Es werden auch viele APIs verwendet, die sich ebenfalls geändert haben. Ich denke also nicht, dass die Beispiele funktionieren werden, ohne etwas zu optimieren.
B Seven
@BSeven danke, wusste das nicht. Ich bin mir nicht sicher, ob ich ein Buch bevorzuge, das bereits vorhandene Bibliotheken verwendet (was im Allgemeinen ein Problem ist), oder einen eigenen Code (der für alle Buchbeispiele funktioniert, aber aufgrund weniger Benutzer möglicherweise weniger robust ist).
Steffen
1
Ich denke, heutzutage ist die einzige Möglichkeit, bestehende Bibliotheken zu nutzen. Sie sind allgegenwärtig, einfach zu integrieren, plattformübergreifend, mehrsprachig und schnell. Außerdem ist es viel schwieriger, ein Buch zu ändern, wenn es einen eigenen Code hat. Es ist einfacher, Aufrufe an eine Bibliothek zu ändern. Danke für die Empfehlung. Es ist eine großartige Ressource.
B Seven
13

Die Einführung in das maschinelle Lernen von E. Alpaydin (MIT Press, 2010, 2. Aufl.) Behandelt viele Themen mit schönen Illustrationen (ähnlich wie Bishops Mustererkennung und maschinelles Lernen ).

Darüber hinaus hat Andrew W. Moore einige nette Tutorials zu Statistical Data Mining .

chl
quelle
(+1)
Kenne
@steffen Ich würde auch Radford Neales statistische Methoden für maschinelles Lernen und Data Mining empfehlen .
Chl
1
+1 Alpaydin ist der richtige Weg zu gehen. Ich war vor ein paar Monaten in genau der gleichen Situation wie das OP. Mit Tibshirani schlecht zu kämpfen, und dann stieß Alpaydin und die Dinge sind seitdem viel besser. Schließlich, obwohl ich denke, Tibshirani ist ein Muss zu lesen.
Andy
10

Vielleicht wäre Wassermans All of Statistics von Interesse. Sie können das Buch über den angegebenen Link probieren - und nur die ersten Absätze des Vorworts machen einen harten Verkauf auf Ihrem Markt möglich - und Sie können das Buch wahrscheinlich kostenlos über Springer herunterladen, wenn Sie mit einer Universität verbunden sind.

EDIT: Hoppla, habe nicht bemerkt, wie alt dieser Thread war.

Kerl
quelle
5
Egal, die Empfehlung ist immer noch nützlich für alle anderen, die den Thread lesen (wie ich; o).
Dikran Beuteltier
1
Tolles Buch, aber fairerweise ist ein guter Teil der ESL überflüssig , wenn man All of Statistics lesen und nachvollziehen kann .
usεr11852 sagt Reinstate Monic
7

Die Elemente des statistischen Lernens könnten eine schwierige Lektüre sein, insbesondere für Selbstlernende. Bei der Suche nach Erklärungen zum zweiten Kapitel bin ich auf die folgende Ressource gestoßen: https://waxworksmath.com/Authors/G_M/Hastie/WriteUp/Weatherwax_Epstein_Hastie_Solution_Manual.pdf . Es enthält über 100 Seiten mit Anmerkungen und Erklärungen, die einige komplizierte Momente des Buches verdeutlichen. Eine großartige Ressource für alle, die dieses Buch lesen. Dieser ergänzende Text enthält Lösungen für Übungen.

Kirill Dubovikov
quelle
5

Ich kann einen ersten Kurs für maschinelles Lernen von Rogers und Girolami nur empfehlen . Es behandelt die Schlüsselideen in einer sehr logischen Reihenfolge, mit guten Beispielen und mit einem Mindestmaß an Mathematik, um eine ordnungsgemäße Verankerung in den Grundlagen zu haben. Es hat nicht die Breite einiger Bücher, aber genau deshalb ist es so gut wie ein Einführungstext.

Dikran Beuteltier
quelle
Sieht aus wie ein gutes erstes Buch. Und es gibt eine Kindle-Version.
B Seven
3

Ein weiteres Buch, das sehr interessant ist, ist Bayesian Reasoning and Machine Learning von David Barber. Das Buch kann kostenlos von der Website des Autors heruntergeladen werden: http://www.cs.ucl.ac.uk/staff/d.barber/brml/

user111093
quelle