Чи є якась хороша науково-популярна книга про статистику або машинне навчання?

Існує купа справді хороших науково-популярних книг, які стосуються реальної науки, а також історії та причини, що стоять за сучасними теоріями, залишаючись надзвичайно приємними для читання. Наприклад, "Хаос" Джеймса Гліка (хаос, фрактали, нелінійність), "Коротка історія часу" Стівена Хокінга (фізика, походження Всесвіту, час, чорні діри) або "Егоїстичний ген" Річарда Докінса (еволюція та природний відбір). Деякі з цих книг представляють аргументи (Докінз), а деякі ні (Глік). Але всі вони служать для того, щоб полегшити тим, хто з нас без поглибленої наукової освіти зрозуміти інакше складні поняття.

Чи є такі книги, які зосереджуються переважно на статистиці чи машинному навчанні?

Будь ласка, додайте резюме того, що стосується кожна книга.

Я підозрюю , що Девід Салсберг - чай дегустації - це саме те, що ви хочете. Це дуже багато написано в стилі оповіді, майже як роман, по суті не має математики (наскільки я пам’ятаю), тому це було б доступне для будь-кого. Я читав це давно і дуже сподобався. Він читається дуже швидко і може дати людям зрозуміти, що таке статистичний аналіз і як він може допомогти нам зрозуміти світ і вирішити практичні проблеми.

Нова книга Нейт Сілвер " Сигнал і шум: чому більшість прогнозів не вдається", але деякі не відповідають вашому опису. Це також вступ до байєсівського мислення для непрофесійних людей. Останнім часом це привернуло певну увагу, і огляд книги можна знайти тут .

Варто також ознайомитись з книгами Levitt & Dubner's Freakonomics .

Більше хороших читань:

Помилка середніх показників Сем Л. Савідж

Обдурений випадковістю Нассім Талеб

Обидві є дещо обережними книгами про те, щоб бути уважними до того, як тлумачити ймовірність та статистику в нашому повсякденному житті. Наприклад, на фінансових ринках можна зловживати повсякденним гауссовим розподілом як міра ризику з катастрофічними наслідками, і, таким чином, ми можемо захотіти використовувати більш емпіричні моделі (такі як симуляція Монте Карло) на практиці. Taleb користується великою популярністю у фінансових колах і часто застерігає нас бути більш уважними щодо поведінкових упереджень та надмірної залежності від моделювання

"Теорія, яка б не померла" Шерон Бертш Макгрейн - це дуже читабельна книга про історію байєсівської статистики та загальну ідею, що стоїть за нею, не надто занурюючись у математику.

Я також шанувальник "Посібника зі статистики мультфільмів" Гонніка та Сміта, як приємне вступ до загальної концепції статистики з деякою кількістю математики, але представлений таким чином, що не засинає вас (у мене також є мультиплікаційні посібники з генетики, фізики та хімії та прочитали пару інших).

Я б запропонував наступні книги, хоча жодна з них не є ідеальною.

1. (Міс) Поведінка ринків (великого) Б. Мандельброта
2. Вражений легкою Джеффрі Розенталь

з першою більш орієнтованою на фінанси, але все ще на статистиці, а остання - це вступ до всіх цікавих імовірнісних предметів: шанси, проблема Monty Hall, корисні функції, випадкові прогулянки тощо.

Дуже хорошою книгою для сприяння базовій статистичній грамотності та статистичному міркуванню - і для того, щоб зробити випадок для них важливим - є Тигр, який не Ендрю Дільно, колишній ведучий популярної радіошоу про прикладну статистику для BBC.

Я часто рекомендую це як еквівалент статистики популярної книги про попси " Bad Science " Бена Голдакре. Це добре для введення основних статистичних міркувань, для показу важливості основних статистичних міркувань та зацікавлення людей через відсутність основних статистичних міркувань серед людей, які дійсно повинні краще знати (зокрема, політики, журналісти тощо). Дуже доступні, привабливі, веселі місцями, глибоко переживаючи інших! Особливо добре, як вступ для тих, хто вважає числа "не своєю справою".

Ян Ейрес є автором книги "Супер крикуни: чому мислення за номерами - це новий шлях бути розумним", в якому обговорюються кілька прикладів пошуку даних.

Я подумав, що я заповнив прогалину, вказавши на кілька хороших книг, що стосуються масового ринку, щодо нечітких наборів, теорії інформації, ентропії та статистичних міркувань, які я прочитав і настійно рекомендую.

• Для всього нечіткого, хорошим неформальним початковим пунктом є McNeill, Dan, 1993, Fuzzy Logic. Саймон і Шустер: Нью-Йорк.

• Для гарного вступу на масовий ринок до нейронних мереж, організованого навколо цікавих спекуляцій щодо організації людського мозку, див. Hawkins, Jeff, 2004, On Intelligence. Книги Times: Нью-Йорк.

Щоб легко читати знайомства з важливими темами, такими як підводні камені статистики та помилкові міркування, спробуйте ці три:

• Хафф, Даррелл, 1954, Як брехати зі статистикою. WW Norton & Company, Нью-Йорк.

• Kault, David, 2003, Статистика зі здоровим глуздом. Грінвуд Прес: Вестпорт, штат Коннектикут.

• Smith, Gary, 2014, Стандартні відхилення: помилкові припущення, катувані дані та інші способи зв'язатись зі статистикою. Прогноз преси: Нью-Йорк.

Нижче наведено всі пов'язані з теорією інформації та ентропією:

• Lucky, RW, 1989, Кремнієві мрії: інформація, людина та машина. Сент-Мартін Прес: Нью-Йорк.

• Цей автор прекрасно працює над тим, щоб поставити теорію інформації в контекст і вказати на зловживання над нею, в той час як все ще пише так, як неспеціаліст може зрозуміти: Пірс, Джон Робінсон, 1961 р., Символи, сигнали та шум: природа та Процес спілкування. Харпер: Нью-Йорк.

• Я читав подібний заголовок, але не можу пригадати, чи це пізніше видання чи продовження: Пірс, Джон Робінсон, 1980, Вступ до інформаційної теорії: символи, сигнали та шум. Публікації Dover: Нью-Йорк.

• Якщо я пам’ятаю правильно, цей автор був легко читабельним, все ще потрапляючи в деякі більш досконалі концепції: Бріллюен, Леон, 1964 р., Наука, Невизначеність та Інформація. Академічна преса: Нью-Йорк.

• Див. Також Бріллюйн, Леон, 1962 р., «Наукова та інформаційна теорія». Академічна преса: Нью-Йорк.

• Я читав це давно, але вважаю, що цей автор був читабельним і мав цікаві спостереження щодо теорії інформації: Бар-Гіллель, Єгошуа, 1964, Мова та інформація: Вибрані нариси про їх теорію та застосування. Аддісон-Веслі Паб. Ко Читання, Масса.

Я хочу застерегти, що книги про масовий ринок на приголомшливі теми, такі як хаос, інформація, квантова фізика, ймовірність, випадковість, «кібернетика», самоорганізація, нечіткі набори та штучний інтелект містять невелику, але помітну меншину матеріалів, які вибухають вихід із пропорції, іноді до логічної недійсності. Кожна з цих теорій має відомих прихильників, які не знають, коли зупинитись на добрій справі та роблять величезні логічні стрибки, щоб перетворити свої конкретні поля на грандіозні пояснення всього. У кожного є автори, які виходять за рамки доказів, навіть до ігнорування явних попереджень засновників своїх полів, як Шеннон робив про зловживання ентропією інформації. У їхньому письмі є гарячковий, нездоровий відтінок, який іноді кваліфікується як наука про барахло, що виробляється кривошипами. Я міг би назвати деякі відомі імена, які продовжують друкувати шалені речі на ці теми, грунтуючись на очевидних логічних помилках та часом грубо помилкових моментах. Я не зроблю цього тут, щоб уникнути серйозної полум’яної війни, бо мені доведеться закликати кумирів і священних корів. Просто майте на увазі, що подібні матеріали, що вводять в оману, є там, і будьте готові позначити його. Слідкуйте за надзвичайними претензіями без необхідних надзвичайних доказів.

Прогулянка п'янички Леонарда Млодінова - це легке для читання вступ до основної статистики та ймовірності. Зміст орієнтований на аудиторію, яка не має статистичної чи математичної підготовки, і рівнянь немає. Я знайшов це трохи занадто зануреним. Існує безліч анекдотів, що стосуються різних застосувань поганої статистики та чітких пояснень того, чому вони помилялися.

Книга охоплює основні статистичні дані та умовну ймовірність.

Кайзер Фунг ( Numbers Rule your World) описує важливість статистики у багатьох системах, які є основоположними для сучасного суспільства, як, наприклад, страхові ринки.

Number Sense , також від Kaiser Fung, конкретніше розповідає про "великі дані".

Алгоритм майстра: Як пошуки передової машини навчання перетворять наш світ - це книга Педро Домінго, що вийшла у 2015 році. Домінгос написав книгу, щоб викликати інтерес у людей поза полем.

У книзі окреслено п'ять племен машинного навчання: індуктивні міркування, коннекціонізм, еволюційні обчислення, теорема Байєса та аналогічне моделювання. Автор пояснює читачам ці племена, посилаючись на більш зрозумілі процеси логіки, зв’язки, зроблені в мозку, природний відбір, ймовірність та подібність суджень. У всій книзі висловлюється думка, що кожне різне плем'я має потенціал сприяти об'єднавчому "головному алгоритму".

https://en.m.wikipedia.org/wiki/The_Master_Algorithm