01 / 經典教材推薦
經典教材推薦
適合誰
第一次修機器學習課程的資工、統計、資料科學、經濟及理學院大學生，以及想妥善運用現代預測方法的業界人士。與部分相同作者所著、研究所程度的 The Elements of Statistical Learning 相比，本書對數學的要求較低，重點在於理解與應用各種方法。
需要的基礎
修過涵蓋迴歸與假設檢定的統計學入門課程，並具備基礎 Python 能力；不需要矩陣代數。
涵蓋內容
統計學習的基本觀念、偏誤與變異的權衡及模型評估；線性迴歸；以邏輯斯迴歸、判別分析與單純貝氏進行分類；交叉驗證與拔靴法等重抽樣方法；模型選擇與正則化，包括脊迴歸與 lasso；樣條與廣義加成模型等非線性方法；決策樹、隨機森林與提升法；支持向量機；深度學習；存活分析；包含主成分分析與分群的非監督式學習；以及多重檢定。
如何使用
先讀觀念說明的部分，再用隨書套件與資料集完成每章末的 Python 實作。也可以用自己的資料練習應用題。作者在本書網站免費提供 PDF，方便在購買紙本前先試讀。
版本與來源
Python 版第1版，由 Springer 於2023年出版，收於 Springer Texts in Statistics 叢書（ISBN 9783031387463）；先前另有以 R 為主的版本。本紀錄的書目資料取自 Google Books，並與 Open Library 交叉核對。