《统计学习导论》很经典，但用的是 R 语言，没关系，这里有份 Python 版习题实现。
斯坦福经典教材《The Element of Statistical Learning》（简称 ESL）被称为频率学派的统计学习「圣经」，由三位统计学大师——Trevor Hastie、Robert Tibshirani、Jerome Friedman 共同完成。这本书介绍了神经网络、支持向量机、分类树和 boosting、图模型、随机森林、集成方法、Lasso 最小角度回归和路径算法、非负矩阵分解和谱聚类等各类机器学习算法，可以帮助读者了解机器学习算法全貌。
但对于刚入门的小白来说，把这本经典教材啃下来难度还是相当大的，因为书中有大量的公式、矩阵推导，总长度达到 700 多页。因此，Trevor Hastie 等人又写了一本入门级的《Introduction to Statistical Learning with R（统计学习导论：基于 R 应用）》（简称 ISL），帮助更多的人尽快上手。ISL 弱化了数学推导的细节，更注重方法的应用，相当于 ESL 的导读版，在入门读者中很受欢迎。
但美中不足的是，书中的练习是用 R 语言来实现的，这对于主要使用 Python 语言的机器学习研究者来说不太友好。
为了克服这一障碍，有人尝试用 Python 语言解决了书里的所有概念、应用练习，并将其上传到了 GitHub。
除了练习之外，他还提供了书中某些话题的 Python 教程并重制了一些图表。
作者表示，完成这项工作并不简单，需要做很多研究工作，书中也可能存在纰漏。
和原书对应，作者给出的 Python 解决方案正文也分为以下九章：
-
统计学习
-
线性回归
-
分类
-
重采样方法
-
线性模型选择与正则化
-
非线性模型
-
基于树的方法
-
支持向量机
-
无监督学习
每章至少包含两部分：应用问题和概念问题，对应书中两种不同的练习题。
第四章的「应用问题」部分。
如果你正在读这本书或者想重新做一下书里的练习，可以参考这份 Python 版资料，也可以跟着教材的配套视频边学边做。
领取方式：
- 方式一、发送如下图片至微信，长按识别，回复：导论
- 方式二、微信搜索公众号：Python学习与数据挖掘，后台回复：导论
标签：Python,练习,导论,学习,教材,书中 来源： https://blog.csdn.net/weixin_38037405/article/details/120805061
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。