The Elements of Statistical Learning 读书总结(持续更新中)

本书以加性线性模型为主线,通过丰富的图形辅助深入讲解各种模型与公式。阅读者需具备较好的线性代数基础。本书对概率论与统计的要求不高,但部分公式解释不足。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

第一遍读书总结 2015.02.23 :

学长推荐的这本书,花了10天左右通读了一遍,由于之前看过点修炼“外功”的书和视频(programming collective intelligence、machine learning in action,以及coursera上stanford的PGM和NLP的视频,Ng的machine learning没能看下去,不太爱听Ng的发音),所以对这方面的一些基本内容还是有点了解的,但也仅限于“有点了解”。

第一次通读,大概懂了20%吧,有点惨,看来“内功”还是相当薄弱呀。说说我的感受吧,全书基本上是以additive linear model为基础主线讲的,内容丰富,尤其是多以图形辅助,很大程度上帮助了我们去理解那些模型和公式。理解书中的内容需要对线性代数的知识有较好掌握,我就是线代这部分忘的几乎差不多了,所以很多东西理解起来比较吃力,目前在看Lay的 Linear Algebra and Its Application,打打数学基础,为下次再读做好准备。与此相反的是,书中对概率论与统计部分的要求并不高,都是一些基础的东西,作者往往一笔带过也没有做过多解释(个人感觉,也可能是我线代忘得比较彻底,而概率论与数理统计学的比较晚,还没有彻底忘记,所以许多知识还能回忆起来的缘故吧)。

书中有一点不好的地方在于有一些公式的解释不够到位,一些表示符号没有说明究竟是啥意思,留待读者去揣摩,对我这种道行尚浅的玩家来说实在是颇感费力啊。

由于第一次读,还未吸收到许多精华,暂且说这么多吧,争取下次读书可以做到80%的理解。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值