序文
この記事は私が最初に学んだ記事です。Rでの統計学習（以下、ISLRと呼びます）の紹介です。主に統計学習とISLRを紹介しており、今後随時更新されます。
統計学習の概要
概観
統計学習は、データを理解するために使用される一連の方法です。これらのメソッドは、2つの主なカテゴリに分類できます。
- 教師あり学習
- 教師なし学習（教師なし学習）
教師あり学習は主にデータ特性に基づいて予測または評価を行い、教師なし学習は主にデータの内部構造と関係を研究します。教師あり学習と教師なし学習について、フォローアップ記事で詳しく説明します。
歴史
統計学習の歴史は長くありませんが、いくつかの概念には長い歴史があります
- 19世紀初頭、ルジャンドル（レジェンド）とガウス（ガウス）は最小二乗法を発表しました。これは、最も初期のバージョンの線形回帰の統計学習法です。
- 1936年、フィッシャー（フィッシャー）は線形判別分析（LDA）を提案しました
- 1940年代に、ロジスティック回帰が提案されました
- 1970年代初頭、NelderとWedderburnは一般化線形モデル（一般化線形モデル）を提案しました。
- 1980年代以降、コンピュータテクノロジーの発達に伴い、非線形モデルの開発が進んでいます。
- 1980年代半ば、ブライマン、フリードマン、オルシェン、ストーンは、決定木と交差検証を導入しました。
- 1986年、ハスティとティブシラニは一般化された加法モデル（一般化された加法モデル）を提案しました。
- 機械学習の登場により、統計学習は統計の新しい分野になりました
ISLRの概要
2001年にHastie、Tibshirani、およびFriedmanは機械学習に関する古典的な本：The Elements of Statistical Learning（ESL）を発行しましたが、この本は数学のより高いしきい値を必要とし、より多くの人々が機械学習と統計について学びたいと考えています。学習のため、ISLRがあります。ISLRは機械学習の入門書と見なすことができます。しきい値は高くありません。微積分、線形代数、確率理論、および数学的統計の知識がほとんどない人でも読むことができます。この本がそれを処理します。理論とアプリケーション。
追記
コードワードは簡単ではないので、後で何かを書きたいと思ったときに書きます。