Hodnocení:
Kniha je vysoce hodnocena jako přístupný a praktický úvod do statistického učení, vhodný pro začínající datové vědce. Je dobře napsaná uznávanými autory a obsahuje cenná cvičení, i když někteří čtenáři upozorňují na problémy s chybějícími řešeními a kvalitou vazby. Mnozí oceňují její přehlednost a hloubku, někteří ji však považují za příliš složitou pro začátečníky. Oceňována je také dostupnost bezplatných online zdrojů.
Klady:⬤ Přístupný a praktický úvod do statistického učení.
⬤ Dobře napsaný uznávanými autory v oboru.
⬤ Poskytuje cenná cvičení a jasné vysvětlení klíčových pojmů.
⬤ Obsahuje vydání v jazycích R a Python.
⬤ K dispozici je bezplatná online verze a doprovodný MOOC.
⬤ Kvalitní tisk a barevné ilustrace.
⬤ Někteří čtenáři považují složitost knihy za ohromující pro ty, kteří s programováním začínají.
⬤ Chybějící řešení cvičení.
⬤ Hlášeny problémy s vazbou.
⬤ Malá velikost písma v tisku.
⬤ Kritika nadměrného množství textu s nedostatečnými vizuálními pomůckami.
⬤ Nedostatek některých diskusí, jako je upravený R-kvadrát.
(na základě 48 hodnocení čtenářů)
An Introduction to Statistical Learning: with Applications in R
Předmluva. - 1 Úvod.
- 2 Statistické učení. - 3 Lineární regrese. - 4 Klasifikace.
- 5 Metody převzorkování.
- 6 Výběr lineárního modelu a regularizace. - 7 Překročení hranice linearity.
- 8 Metody založené na stromech. - 9 Stroje s podpůrnými vektory. - 10 Hluboké učení.
- 11 Analýza přežití a cenzorovaná data. - 12 Učení bez dohledu. - 13 Vícenásobné testování.
- Rejstřík.
© Book1 Group - všechna práva vyhrazena.
Obsah těchto stránek nesmí být kopírován ani použit, a to ani částečně ani úplně, bez písemného svolení vlastníka.
Poslední úprava: 2024.11.08 20:25 (GMT)