推荐一本权威的机器学习经典教材

斯坦福大学的三位统计学专家——Trevor Hastie、Robert Tibshirani 和 Jerome Friedman，共同撰写了这本备受推崇的《统计机器学习：数据挖掘、推理和预测》。最新版于2017年出版，适合有一定机器学习基础的读者深入全面地了解各种算法。

这本书详细介绍了多种经典的机器学习算法，例如神经网络、支持向量机、分类树、提升法、图模型、随机森林、集成方法、Lasso最小角回归和路径算法、非负矩阵分解以及谱聚类等。书中还包括一章专门讨论“宽数据”（p大于n）的方法，如多重检验和错误发现率控制。

本书简介

近年来，随着计算机和信息技术的迅猛发展，多个领域如医学、生物学、金融和市场营销等产生了大量的数据。为了更好地理解和利用这些数据，统计学领域涌现出许多新的工具和技术，其中数据挖掘、机器学习和生物信息学是最具代表性的几个方向。这些工具虽然各有特色，但它们之间有着共同的基础。本书以一个统一的概念框架，阐述了这些领域的重要思想，重点在于概念而非复杂的数学公式。书中配有丰富的实例和彩色图表，旨在帮助统计学家及对科学或工业领域数据挖掘感兴趣的读者。

作者介绍

本书的三位作者都是斯坦福大学的统计学教授。他们在各自的研究领域取得了显著成就。Trevor Hastie 和 Robert Tibshirani 是广义加法模型的开发者，并且合作撰写了一本广受好评的书籍。Hastie 还开发了多种统计建模软件。Tibshirani 则以其提出的 Lasso 方法而闻名，同时也是《Bootstrap入门》一书的合著者。Jerome Friedman 是许多数据挖掘工具的共同发明者，包括 CART、MARS 和投影追踪。

目录概览

本书涵盖了广泛的机器学习算法，从监督学习（预测）到无监督学习。以下是部分章节标题：

• 第一部分：监督学习
• 第二部分：无监督学习
• 第三部分：特殊主题

下载链接

本书最新版本免费下载地址：点击下载

往期推荐内容

• 2020年人工智能发展趋势
• 深度图生成对抗网络模型 - Jure Leskovec - 斯坦福大学
• Graph Neural Network (GNN) 资源大全
• 斯坦福NLP组 CS224n: 自然语言处理与深度学习 - 2019春课程资料
• Mimic Learning
• 中文自然语言处理数据集、平台和工具汇总
• 元学习 (Meta Learning) 最新资源整理
• ICLR 2019 计算机视觉、NLP、图模型、对抗学习、表示学习和元学习最新进展
• 自动化机器学习：方法、系统与挑战 - 最新版 - 免费下载
• 深度学习和强化学习课程资源大汇总
• 深度学习硬件的发展历程
• 训练神经网络的方法分享 - Andrej Karpathy
• TensorFlow实现的深度NLP模型集锦
• 量子机器学习：人工智能的未来

希望以上内容对你有所帮助！