最新バージョンの「統計的機械学習（データマイニング、推論と予測）コア要素」自由シェア - 必見古典的な材料を機械学習

、スタンフォード大学で統計的機械をオススメ3つの首長、トレバー・ハスティー、ロバート・ティブシャーアーニとジェローム・フリードマン、古典的な研究材料に書いた「統計的機械学習（データマイニング、推論と予測を）コア要素、」最新版（2017年）この本は、一定の根拠を持っている、で、深さ、友人のアルゴリズム絵を機械学習を包括的に理解したい機械学習のための古典的な機械学習アルゴリズムの様々なタイプの詳細を、ダウンロードへようこそ。

最後は、アドレス帳のダウンロードを併合しました。

この本プレゼント

過去10年間で、コンピュータや情報技術の急速な発展。これは、大量のデータを生成し、医学、生物学、金融やマーケティングの分野が続きます。どのようにより良い新しいツール、統計の新技術開発エリアにつながったこれらのデータへの強い需要を理解し、データマイニング、機械学習、およびバイオインフォマティクスの新しい分野を生み出しています。これらのツールの多くは、共通の基盤を持っていますが、通常は異なる用語で表現します。共通の概念的枠組みの中で本は、これらの分野で重要な考え方を説明しています。が、この方法は、統計的であるが、代わりに数学の概念に焦点を当てています。この本は、色のと写真で使用の多くの例を示します。誰の統計学者や科学や興味のある業界ではデータマイニングのために、それは非常に価値が読書する必要があります。ブックカバーは、教師付き学習（予測）から教師なし学習に、非常に広いです。

多くのトピックに関する書籍を含め、総合的な詳細を説明しましたニューラルネットワーク、サポートベクターマシン、分類木昇圧、グラフィカルモデル、ランダムフォレスト、統合的なアプローチ、なげなわ最小角度回帰とパスアルゴリズム、NMFとスペクトラルクラスタリングそして、機械学習アルゴリズムの他のタイプ。複数のテストと偽発見率などの「ワイド」のデータ（nよりPの大きい）の方法に章では、もあります。

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