今天更新了最后一章内容,至此全部课程结束。两位老爷子(中间还有次课请了个学生妹子)讲的很卖力,访谈了Efron跟Friedman两位老老爷子,深入浅出,非常适合我这种外行学习。《ISLR》这本书也比《ESL》更接地气,当年看《ESL》看了十几页就被自己低能的数学理解力羞愧的无地自容,但《ISLR》规避了很多数学细节,更强调模型建立背后的理念,配合每个章节后 R lab 可以很快上手应用一些外学科看起来很高端的模型。当然,这是导论,只涉及了《ESL》的一些皮毛,深入理解可选择攻读。作为公开课感觉测试题很简单,但书上的题有些很有意思,也有人提供了习题解答,目前还在更新中。我的中文笔记属于二手知识,水平有限,凑合看。另外现在公开课还可以进,有兴趣可以直接挑战习题,概念理解性的偏多。

公开课地址:https://class.stanford.edu/courses/HumanitiesScience/StatLearning/Winter2014/info

教材 An Introduction to Statistical Learning(ISLR): http://www-bcf.usc.edu/gareth/ISL/

进阶教材The Elements of Statistical Learning(ESL): https://web.stanford.edu/hastie/ElemStatLearn/

习题解答:https://github.com/asadoughi/stat-learning

另一个习题解答:https://github.com/jstjohn/IntroToStatisticalLearningR

中文笔记:https://github.com/yufree/ISLRchnotes

rpubs分章节在线版:

导论 http://rpubs.com/yufree/ISLR-chnote1

统计学习 http://rpubs.com/yufree/ISLR-chnote2

线性回归 http://rpubs.com/yufree/ISLR-chnote3

分类 http://rpubs.com/yufree/ISLR-chnote4

重采样技术 http://rpubs.com/yufree/ISLR-chnote5

线性模型选择与正则化 http://rpubs.com/yufree/ISLR-chnote6

非线性 http://rpubs.com/yufree/ISLR-chnote7

决策树 http://rpubs.com/yufree/ISLR-chnote8

支持向量机 http://rpubs.com/yufree/ISLR-chnote9

无监督学习 http://rpubs.com/yufree/ISLR-chnote10

不错哟。这门课我也有学。 最大的特点每章的结尾都会用R把本章所讲的内容实现一遍。

5 年 后

感谢dalao分享!
不过在本页面直接点击链接的话,所有网址后面都会加上
</p
希望能在超链接的部分更正一下,谢谢您!

很厉害啊,我买的是esl,不过对于我来说是个大块头啊,这本正好不错👍