| 商家名称 | 信用等级 | 购买信息 | 订购本书 |
 |
 |
统计学习基础(第2版)(英文) |  |
 |
|
统计学习基础(第2版)(英文) | |
网友对统计学习基础(第2版)(英文)的评论
本书的中国出版社是2015年1月印刷的。如果查看书的网页，可以看到2013年1月公布了第十次更正，并有相应的PDF可供对照。该次更正或之前的更正修订了大量错误，但我们这个2015年出版的完全没有采用历次更正！我花了大概三个小时按历次更正的指引，对照着书的网页的pdf，在书上更改了。但这本来是出版社应该更新的工作，并且应该是相当容易的！都有现成的pdf版本在官方网页上。出版社实在太懒，太不负责任。
原书电子版，官方的网页可以提供pdf下载，本人对原书是非常有敬意的，扣掉的2星是针对这个影印版，是因为出版社的缘故。
书不多讲了，懂的自然懂，统计机器学习入门的最佳选择。
亚马逊的包装太差了，下雨天塑料袋都破了。根据贝叶斯理论可以推导，假设先验概率P(包装=1层塑料袋)=P(包装=2层塑料袋)=0.5,条件概率 P(包装=1层塑料袋|包装破损=1)=P(包装破损=1|包装=1层塑料袋)*P(包装=1层塑料袋)/P(包装破损=1)》P(包装破损=1|包装=2层塑料袋)*P(包装=2层塑料袋)/P(包装破损=1)=P(包装=2层塑料袋|包装破损=1)，因此建议像当当那样多搞个塑料袋。
第一次亚马逊书评。ESL很数学化（mathy），用语表述，注释和公式书写都是数学式的严谨。这本书有个特点是，数学基础薄的人怎样看都看不懂，甚者“恨之入骨”；有一定功底的人再读，发现三位统计学家以独到而深刻，凝练而传神的视角去阐述统计学习，以致“赏心悦目”。我读过PRML的书，它的作者Bishop是一位理论物理学科班出身的微软科学家，视角已与经济学家们的迥异。看Bishop的书，你得亲自推导书中以及练习题中的公式来由，需参阅变分法、矩阵微分、数值优化、随机过程。阅读中，你可以享受物理式的展示，深刻而明晰。但数学系的学生或学者会吐槽他公式书写略微不专业。
回到ELS上来，你会发现书中一笔带过了许多部专业书，而且是那些专业书中打星号或者附录的部分（如高斯马尔科夫定理的证明在计量统计学中有详细讲解，而在这里是仰视的角度去进一步阐释），更可恨的是某些ML中关键算法的推到证明是做为练习题让读者自己上手（如Exercise3.6有关Ridge Regression和Bayesian Regression的联系证明出现在在PRML书里精彩的章节里）。
线路A：基础薄弱者，再读些线代、统计等基础，再读点机器学习入门的书，最后再尝试此书。
线路B：基础薄弱者，那就好好向ESL取经吧，使用好谷歌引擎加专业书籍，逐句逐字，读它个九九八十一难。
线路C：高手路线，自行抉择。
注：时间充裕者，强烈推荐线路A，虽然我选的是B，做一个苦行僧
确实是第二版，并非有读者说的第一版，但原作者到了2013年第十次印刷还在勘误，[...]链接给上，请自行对照。
刚买完就降价，也是醉了。。。而且满100减15。真是难过，不过想想也算了。反正是经典书籍，总得买！
刚买完就降价到100元。。。
这个版本还是09年2月版的，错误还不少。
斟误地址：[...]
最新版地址：[...]
将各种算法蜻蜓点水般的讲一遍，没有对任何一个进行深入探讨。作为文献综述更好一些，而非教材。
基本讲解都很详细，内容也涵盖了大部分的机器学习，但是有些过程只是摆了个概念，过程推导证明的都是要自己再去做，有好有坏吧。
书籍没有好坏，只有需要和不需要。现在在做数学物理方向的科研，亟需这方面的书籍。不错，好评。
对于一本原价八九十美元的书只卖八十五人民币，我就没什么可抱怨的了。印刷质量还是挺惊讶的，原本以为会是黑白的没想到居然是全彩的。纸张稍微有些薄但是不影响阅读，翻页的时候小心一点就行了。书本身的内容不用多做评论了，有个同学抱怨说这不是最新版，其实在Hastie 的个人主页上有最新版的下载呢
喜欢统计学习基础(第2版)(英文)请与您的朋友分享,由于版权原因，读书人网不提供图书下载服务
