İstatistiksel Öğrenme Unsurlarından Önce Okumak için Kitap?

Bu yazıya dayanarak, İstatistiksel Öğrenmenin Öğelerini sindirmek istiyorum. Neyse ki ücretsiz olarak kullanılabilir ve okumaya başladım.

Bunu anlayacak kadar bilgim yok. Kitaptaki konulara daha iyi bir giriş niteliğinde olan bir kitap önerebilir misiniz? Umarım bana anlamak için gereken bilgiyi verecek bir şey?

İlgili:

Matematikte güçlü bir geçmiş ML için toplam bir gereklilik midir?

Satın aldım ama henüz okumadım.

S. Marsland, Makine Öğrenimi: Bir Algoritmik Bakış Açısı , Chapman & Hall, 2009.

Ancak, incelemeler olumludur ve yeni başlayanlar için daha fazla derinliğe sahip diğer ML kitaplarından daha uygun olduğunu belirtir. Sayfalar arasında gezinirken, benim için iyi görünüyor, çünkü matematik geçmişim çok az.

İstatistiksel Öğrenme Öğelerinin yazarları ağır matematik geçmişi olmayan kullanıcıları hedef alan yeni bir kitapla (Ağustos 2013) çıktı. İstatistiksel Öğrenmeye Giriş: R.

Bu kitabın ücretsiz PDF sürümünü şu anda burada bulabilirsiniz .

Programcı Kolektif Zekayı yeni başlayanlar için en kolay kitap olarak buldum , çünkü yazar Toby Segaran, medyan yazılım geliştiricinin mümkün olduğunca hızlı veri hacklemesiyle ellerini kirletmesine izin vermeye odaklandı.

Tipik bölüm: Veri problemi açıkça tanımlanmış, ardından algoritmanın nasıl çalıştığını ve nihayet birkaç satırlık kodla bazı içgörüler oluşturulacağını gösteren kaba bir açıklama izlenmiştir.

Python'un kullanımı kişinin her şeyi oldukça hızlı bir şekilde anlamasını sağlar (Python'u bilmenize gerek yok, cidden, daha önce de bilmiyordum). DONT, bu kitabın yalnızca öneri sistemi oluşturmaya odaklandığını düşünüyor. Aynı zamanda metin madenciliği / spam filtreleme / optimizasyon / kümeleme / doğrulama vb. İle ilgilenir ve bu nedenle size her veri madencisinin temel araçları hakkında temiz bir genel bakış sunar.

Bölüm 10 hatta borsa verileri ile ilgilenir, ancak odak zaman serisi veri madenciliği değildir. Belki bu mükemmel kitabın tek dezavantajı (sizin için).

Makine Öğrenmeye Giriş , E. Alpaydin (MIT Press, 2010, 2nd ed.) Tarafından, güzel resimlerle (Bishop'ın Örüntü Tanıma ve Makine Öğrenmesi gibi )birçok konuyu kapsar.

Ek olarak, Andrew W. Moore'un İstatistiksel Veri Madenciliği üzerine güzel dersleri vardır .

Belki de Wasserman'ın Tüm İstatistikleri ilgi çekici olurdu. Kitabı verilen bağlantıdan tadabilirsiniz - ve önsözün ilk birkaç paragrafı pazarınıza zor bir satış yapabilir - ve eğer bir üniversiteye bağlıysanız, kitabı Springer'dan ücretsiz indirebilirsiniz.

EDIT: Hata! Bu konu ne kadar eski olduğunu fark etmedi.

İstatistiksel Öğrenmenin Öğeleri, özellikle de bir öğrenen için zor bir okuma olabilir. İkinci bölümdeki bazı açıklamaları ararken, aşağıdaki kaynaklarda bulundum: https://waxworksmath.com/Authors/G_M/Hastie/WriteUp/Weatherwax_Epstein_Hastie_Solution_Manual.pdf . Kitabın bazı karmaşık anlarını netleştiren 100'den fazla sayfa ek açıklama ve açıklama içermektedir. Bu kitabı okuyan herkes için harika bir kaynak. Bu tamamlayıcı metin alıştırmalar için çözümler içerir.

Rogers ve Girolami'den Makine Öğreniminde İlk Kursu şiddetle tavsiye ederim . Temel fikirleri, mantıklı bir düzende, iyi örneklerle ve temelde uygun bir temel oluşturmak için minimum düzeyde matematikle kapsıyor. Bazı kitapların kapsamı genişliğine sahip değil, ancak bu yüzden tanıtım metni kadar iyi.

Çok ilginç olan bir başka kitap ise Bay Barber Reasoning ve David Barber tarafından Makine Öğrenmesi. Kitap, yazarın web sitesinden ücretsiz olarak indirilebilir: http://www.cs.ucl.ac.uk/staff/d.barber/brml/