Книга для читання перед елементами статистичного навчання?

Грунтуючись на цій публікації , я хочу переварити елементи статистичного навчання. На щастя, вона доступна безкоштовно, і я почав її читати.

У мене недостатньо знань, щоб це зрозуміти. Чи можете ви порекомендувати книгу, яка є кращим ознайомленням із темами книги? Сподіваюся, щось, що дасть мені знання, необхідні для його розуміння?

Пов'язані:

Чи є сильним фоном у математиці загальний реквізит для ML?

Я купив, але ще не читав,

С. Марсленд, Машинне навчання: Алгоритмічна перспектива , Чапман і Холл, 2009.

Однак огляди сприятливі і стверджують, що він більше підходить для початківців, ніж інші книги з ML, які мають більшу глибину. Перегортаючи сторінки, мені здається, що це добре для мене, бо у мене мало математичного фону.

Автори «Елементів статистичного навчання» вийшли з новою книгою (серпень 2013 р.), Спрямованою на користувачів без важкого математичного походження. Вступ до статистичного навчання: з додатками в R

Безкоштовну PDF-версію цієї книги наразі можна знайти тут .

Я вважав програмування колективного інтелекту найпростішою книгою для початківців, оскільки автор Тобі Сегаран зосереджений на тому, щоб дозволити середньому розробнику програмного забезпечення забруднити руки якомога швидше.

Типовий розділ: Проблема даних чітко описується, після чого йде грубе пояснення того, як працює алгоритм і, нарешті, показано, як створити деяку інформацію з лише кількома рядками коду.

Використання python дозволяє зрозуміти все досить швидко (вам не потрібно знати python, серйозно, я не знав цього і раніше). НЕ думайте, що ця книга зосереджена лише на створенні системи рекомендацій. Він також має справу з видобуванням тексту / фільтрацією спаму / оптимізацією / кластеризацією / валідацією тощо, а отже, дає чіткий огляд основних інструментів кожного майстра даних.

У Розділі 10 навіть розглядаються дані про фондові ринки, але акцент не робиться на пошуку даних часових рядів. Мабуть, єдиний недолік (для вас) цієї чудової книги.

Вступ до машинного навчання Е. Альпадідіна (MIT Press, 2010, 2-е видання) охоплює багато тем із приємними ілюстраціями (подібно до розпізнавання образів Єпископа та машинного навчання ).

Крім того, Ендрю В. Мур має кілька приємних навчальних посібників зі статистичного обміну даними .

Вся статистика Mayhaps Вассермана зацікавила б. Ви можете взяти зразок книги за посиланням - і лише перші кілька абзаців передмови здійснити важкий продаж на ваш ринок - і ви, швидше за все, можете завантажити книгу безкоштовно через Springer, якщо ви пов’язані з університетом.

EDIT: На жаль, не помітили, наскільки давня ця нитка була.

Елементи статистичного навчання можуть бути важкими для читання, особливо для самостійного навчання. Під час пошуку деяких пояснень у другій главі я натрапив на такий ресурс: https://waxworksmath.com/Authors/G_M/Hastie/WriteUp/Weatherwax_Epstein_Hastie_Solution_Manual.pdf . Він містить 100+ сторінок анотацій та пояснень, які пояснюють деякі складні моменти книги. Чудовий ресурс для всіх, хто читає цю книгу. Цей додатковий текст включає рішення для вправ.

Я настійно рекомендую перший курс з машинного навчання Роджерса та Джироламі. Він висвітлює ключові ідеї в дуже логічному порядку, з хорошими прикладами та з мінімальним рівнем математики, щоб мати належне обгрунтування основ. Він не має ширини висвітлення деяких книг, але саме тому він настільки гарний, як вступний текст.

Ще одна книга, яка дуже цікава - байєсівське розум і машинне навчання Девіда Барбера. Книга доступна як безкоштовне завантаження з веб-сайту автора: http://www.cs.ucl.ac.uk/staff/d.barber/brml/