推荐一本由斯坦福大学三位统计学大佬，Trevor Hastie, Robert Tibshirani和Jerome Friedman，撰写的机器学习经典教材《统计机器学习（数据挖掘、推理和预测）核心元素》最新版（2017年），本书详细介绍了机器学习各类经典的算法，适用于具有一定机器学习基础，想要深入、全面了解机器学习算法全貌的朋友，欢迎下载。
文末附本书下载地址。
本书介绍
在过去的十年里，计算机和信息技术飞速发展。随之而来的是医学、生物学、金融和市场营销等多个领域产生了大量数据。如何更好地理解这些数据这一强烈的需求，导致了统计领域新工具、新技术的发展，并催生了数据挖掘、机器学习和生物信息学等新领域。许多这些工具具有共同的基础，但通常用不同的术语来表达。本书在一个共同的概念框架中描述了这些领域的重要思想。虽然这种方法是统计学的，但重点是概念而不是数学。本书给出了许多例子，并使用彩色配图。对于统计学家和任何对科学或工业中的数据挖掘感兴趣的人来说，它应该是一个非常价值阅读的书籍。本书的覆盖面很广，从监督学习(预测)到无监督学习。
本书对许多主题进行了全面详细地论述，包括神经网络、支持向量机、分类树和boosting，图模型、随机森林、集成方法、Lasso最小角度回归和路径算法、非负矩阵分解和谱聚类等各类机器学习算法。还有一章是关于“wide”数据(p大于n)的方法，包括多重测试和错误发现率。
Trevor Hastie, Robert Tibshirani和Jerome Friedman是斯坦福大学的统计学教授。他们是这一领域的杰出研究人员：Trevor Hastie, Robert Tibshirani开发了广义加法模型，并写了一本同名的畅销书。Hastie用S-PLUS编写了许多统计建模软件，并发明了主要的曲线和曲面。Tibshirani提出了Lasso，并且是著名书籍《An Introduction to the Bootstrap》的合著者。Friedman是许多数据挖掘工具的共同发明者，包括CART、MARS和projection pursuit。
本书目录
本书最新版免费下载地址
微信公众号“深度学习与NLP”回复关键字“mlj2020”获取下载地址。
往期精品内容推荐
深度图生成对抗网络模型-JureLeskovec-斯坦福大学
Graph Neural Network（GNN）最全资源整理分享
斯坦福NLP组-CS224n: NLP与深度学习-2019春全套资料分享
元学习（Meta Learning）最全论文、视频、书籍资源整理
ICLR 2019计算机视觉、NLP、图模型、对抗学习、表示学习和元学习最新技术分享
