消息
1.首先看的是Stanford公开课上的Statistical Learning. Statistical Learning这门课的主讲老师是:Trevor Hastie和Rob Tibshirani,他们俩也是ESL(The Elements of Statistical Learning)的作者,这门课只有英文字幕,但是上课的内容和习题都不算太深。课程推荐的书有两本,第一本是:An Introction to Statistical Learning with Applicaiton in R.这本书已经Cover了课程大部分的内容,一边看书以便上课感觉特别好,最棒的是电子版已经可以直接下载了(不是盗版的)!而且网站还附有每一章做实验的R代码,可以弥补在应用练习上的不足。第二本就是ESL了,答主也是刚开始看的时候特别痛苦,但是现在感觉已经慢慢能够啃下来了,但的时候也是查阅,对哪一个部分想要更深入的了解的时候再去细读。针对这本书还有一份Solution Manual,但是不完整,可以凑合着看看:还有就是其他答主推荐的MLAPP,Machine learning textbook,非常非常详细,1000多页,⊙﹏⊙b汗,MCMC,Deep Learning等内容都有涉及,可以说囊括了机器学习里面大部分的模型和方法了,而且非常新,是12年初的,ESL是09年出的。MLAPP还有个很大的优点就是有详细的Matlab代码,可以边看边自己实践一遍。虽然三本书里面MLAPP是最全的,但是系统性感觉比不上ESL和PRML。2.中文书的话,建议购买李航博士的《统计学习方法》写得很认真,数学推导也很细致,可以配合着看。