小弟目前在看得两本书: 1. An Introduction to Statistical Learning with Application with R, (ISLR) 2. The Elements of Statistical Learning, 主要以第一本为主,提供自己学习的笔记, 笔记是用英文写的, 部分定理之後会翻成英文。 Github: https://github.com/eugene123tw/ISLR_notes 主要写笔记的目的是希望能把书中没说的说清楚、加强模型的证明,并搭配例子跟实作R。 我常常觉得如果学了没有好好记录起来, 过了一阵子之後也好像没学一样 第一本略过的证明我会证出来, 如果有漏掉请告诉我, 我再补证明。 目前笔记有包含 Linear Regression, Classification, 之後也会持续在写。 有些部分我也还没完全写清楚, 像是Iteratively reweighted least squares 里估计参数的方法我只有提供演算法 但是还没解释演算法的细节(为什麽要做一、二皆偏微...etc)。 如果有板友同时以这两本在学习或是愿意帮小弟补强的也欢迎fork我的repo可以一起讨论! 最後, 这两本书作者都有提供电子档与额外学习资源可供免费下载 An Introduction to Statistical Learning: http://www-bcf.usc.edu/~gareth/ISL/ The Elements of Statistical : Learning:https://statweb.stanford.edu/~tibs/ElemStatLearn/ --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 61.64.146.126 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Statistics/M.1490261789.A.F1D.html ※ 编辑: xsssxxzz (61.64.146.126), 03/23/2017 17:37:51