经典书「统计学习要素（The Elements of Statistical Learning）」笔记与非官方习题解答

【导读】斯坦福《统计学习要素》一直是机器学习领域公认经典的教材，是一本在机器学习、统计推理和模式识别领域有影响力和被广泛研究的书。而这本书一直没有得到中文翻译。近期由mit的John L. Weatherwax和David Epstein†博士撰写了The Elements of Statistical Learning (ESL)的学习笔记及其习题解答公开，非常值得学习！

地址：

https://waxworksmath.com/Authors/G_M/Hastie/hastie.html

The Elements of Statistical Learning 笔记习题解答

• 第一章：导言

• 第二章：监督学习的综述

• 第三章：回归的线性方法（新：LAR算法和lasso的一般化）

• 第四章：分类的线性方法（新：逻辑斯蒂回归的lasso轨迹）

• 第五章：基本的扩展和正则化（新：RKHS的补充说明）RKHS（再生核希尔伯特空间）

• 第六章：核光滑方法

• 第七章：模型评估与选择（新：交叉验证的长处与陷阱）

• 第八章：模型推论与平均

• 第九章：补充的模型、树以及相关的方法

• 第十章：Boosting和Additive Trees（新：生态学的新例子，一些材料分到了16章）

• 第十一章：神经网络（新：贝叶斯神经网络和2003年神经信息处理系统进展大会(NIPS)的挑战）

• 第十二章：支持向量机和灵活的判别式（新：SVM分类器的路径算法）

• 第十三章：原型方法和邻近算法

• 第十四章：非监督学习（新：谱聚类，核PCA，离散PCA，非负矩阵分解原型分析，非线性降维，谷歌pagerank算法，ICA的一个直接方法）

• 第十五章：随机森林

• 第十六章：实例学习

• 第十七章：无向图模型

• 第十八章：高维问题

  
  

  https://yuhangzhou88.github.io/ESL_Solution/ESL-Solution/2-Overview-of-Supervised-Learning/ex2-1/
  

这是一本关于统计学习理论的优秀教材，我将向任何从事统计学习、模式识别或机器学习领域工作的人高度推荐它。更多关于这本书(和电子版)的信息可以在这里找到。

你可以在下面的链接中找到该书不同部分的注释、所选问题的解决方案、问题的数字代码和第二版中的一些示例。

The Elements of Statistical Learning中文版

ESL中文版是由香港中文大学Lijun Wang博士创作的，统计学专业，包括中文翻译、代码实现及其习题解答。

项目地址：

https://github.com/szcf-weiya/ESL-CN

https://esl.hohoweiya.xyz/

便捷查看：请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“ESL” 就可以获取《统计学习要素（The Elements of Statistical Learning）》电子书pdf和习题解答笔记下载链接~ 

  
  

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“ESL” 就可以获取《统计学习要素（The Elements of Statistical Learning）》电子书pdf和习题解答笔记下载链接~ 

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源