Éléments des alternatives d'apprentissage statistique

8

Elements of Statistical Learning (ESL) est un livre d'une ampleur et d'une profondeur fantastiques. Il couvre l'essentiel des méthodes très modernes en citant les articles d'où proviennent ces études originales. Cependant, je trouve vraiment le langage du livre très très prohibitif. Je pense qu'il existe un moyen plus simple de discuter des concepts. Je trouve ESL tout simplement trop écrasant. Quelqu'un peut-il suggérer des alternatives plus amicales aux non-initiés?

J'ai trouvé le frère d'ESL: Introduction to Statistical Learning. C'est le ton que je veux lire et comprendre. Il est accommodant, sans bêtises. Une chose similaire à Intro to SL?

cgo
la source
2
Pouvez-vous en dire plus sur ce que vous recherchez que vous ne trouvez pas dans Introduction à l'apprentissage statistique?
Matthew Drury
Certaines sections d'ESL ne se trouvent pas dans l'introduction. Peut-être parce que c'est «au-delà» d'être une introduction. Par exemple, les sections qui parlent de régression de rang réduit ne sont pas mentionnées dans l'introduction, mais sont discutées en détail dans ESL. Cependant, (mon impression est que) l'écriture en ESL se fait d'une manière qui charge le lecteur au lieu de l'inspirer. Bien sûr, c'est juste mon avis et peut ne pas être vrai pour les autres lecteurs.
cgo
J'ai également remarqué qu'au chapitre 3, ESL passe de systèmes à sortie unique à plusieurs systèmes de sortie et à nouveau à sortie unique. C'est assez déroutant. Et si vous êtes déjà perdu au milieu, la lecture des sections suivantes n'est tout simplement pas productive. Cela pourrait aussi bien être une lettre que je devrais écrire aux auteurs.
cgo
2
Vous pouvez essayer la modélisation prédictive appliquée par Kuhn et al. Le chevauchement pourrait cependant être considérable.
spdrnl
"Introduction à l'apprentissage statistique avec R" est-il trop élémentaire? Par essentiellement les mêmes auteurs.
meh

Réponses:

3

Je suis d'accord pour dire qu'une introduction à l'apprentissage statistique a un ton très accommodant. Vous voudrez peut-être consulter Learning From Data, A Short Course de Yaser Abu-Mostafa et al. J'ai trouvé ce livre et les vidéos youtube qui l'accompagnaient super.

Enfin, le commentaire de spdrnl à propos de la modélisation prédictive appliquée par Kuhn est une bonne suggestion. Je ne l'ai pas encore lu, mais je l'ai lu attentivement et cela semble être une excellente ressource également.

kmshannon
la source
3

Alternatives possibles:

  • Reconnaissance des formes et apprentissage automatique par Christopher Bishop : Je n'aime pas les systèmes de notation du livre, mais j'ai entendu que le chapitre sur le modèle graphique est bon

  • Apprentissage automatique: une perspective probabiliste par Kevin P. Murphy : comme un dictionnaire, décrivez diverses méthodes d'apprentissage automatique de l'ère du pré-apprentissage profond

  • Deep Learning Book : Plus récent, couvrant plus sur la partie d'apprentissage en profondeur

  • Plongez dans le Deep Learning : peut-être le plus récent livre sur le Deep Learning jusqu'à présent

Essayez également quelques notes de cours:

JP Zhang
la source