Описание
«Введение в статистическое обучение» (ISL) служит исчерпывающим руководством по критически важному инструментарию статистического обучения, необходимому для работы с постоянно растущим объемом и охватом сбора данных в различных областях. Эта книга предлагает широкий, но доступный обзор ключевых тем, что делает ее подходящей для всех, кто стремится понять и использовать современные инструменты для анализа данных.
Первое издание, ISLR, с приложениями на R, было выпущено в 2013 году, за ним последовало второе издание в 2021 году. Признавая растущую важность Python в науке о данных, в 2023 году было опубликовано издание на Python (ISLP). Каждое издание структурировано таким образом, чтобы закрепить обучение посредством практического применения, включая лабораторную работу в конце каждой главы. Эти лабораторные работы демонстрируют концепции главы с использованием R или Python, позволяя читателям получить практический опыт.
Книга систематически охватывает широкий спектр фундаментальных и продвинутых тем в области статистического обучения. К ним относятся введение в статистическое обучение, методы регрессии, методы классификации, стратегии ресемплинга, выбор линейных моделей и регуляризация, а также выход за пределы линейных моделей. Дальнейшие главы посвящены древовидным методам, методам опорных векторов, глубокому обучению, анализу выживаемости, обучению без учителя и множественному тестированию. Такой структурированный подход обеспечивает полное понимание ландшафта статистического обучения.
Написанная ведущими экспертами в области статистики и биомедицинской науки о данных, включая Гарета Джеймса, Даниэлу Виттен, Тревора Хасти, Роба Тибширани и Джонатана Тейлора (для издания на Python), ISL является ценным ресурсом для студентов, исследователей и практиков. Доступность изданий на R и Python, а также переводы подчеркивают ее глобальный охват и актуальность. Книга идеально подходит для тех, кто стремится заложить прочную основу в методологиях анализа данных и машинного обучения, что позволит им эффективно интерпретировать и использовать данные в своих областях.
О книге
Охватывает методы регрессии и классификации
Исследует методы ресемплинга, такие как кросс-валидация
Детализирует выбор линейных моделей и регуляризацию
Представляет древовидные методы и методы опорных векторов
Включает главы по глубокому обучению и анализу выживаемости
Содержит обучение без учителя и множественное тестирование
Практические лабораторные работы доступны на R и Python
Второе издание ISLR с R опубликовано в 2021 году
Издание ISLP с Python опубликовано в 2023 году
Переведено на несколько языков
Авторы — ведущие специалисты в области статистики и науки о данных
Для кого эта книга
- Основы анализа данных
- Введение в машинное обучение
- Программирование на R для статистики
- Python для науки о данных
- Академическое обучение
- Профессиональное развитие
- Выбор моделей и регуляризация
- Исследование обучения без учителя
