关于“统计学习基础”求指导

最近跟个老师做个project,让先学 Elements of Statistical Learning: Data Mining, Interference and Prediction 这本书，所有章..中文是“统计学习基础”。我是EE的，向各位请教：

1. 各位大神谁有这本的中文电子书，传上来共享一下呗~

2. 这书不是入门级的，感觉像是有一定基础后用来回味的..有的我看懂的部分却感觉很虚啊，多是些概念理念阐释；看不懂的地方，或是些数学细节，或是不知作者所指（就是基础不行..），感觉也没什么办法弄懂（一个一个去问老师不太现实啊..），这么硬着头皮看感觉提高很小啊。。怎么办呢？。。

有没有入门级的，偏machine learning背景的统计书参考一下？？..
（查了半天就看到 The nature of statistical Learning Theory和 Statistical learning theory两本挺好，但也不是入门的啊.. ）

灰常感谢各位啊！真诚求指导..

去水木AI版看精华区

去水木AI版看精华区
weihan 发表于 2011-1-17 09:48

Thanks a lot果然很精华相见恨晚。。

这个比较经典，转自水木：
“下面的阅读顺序仅对于Absolute ML Beginner
1.Duda的Pattern Classification前3章无疑是最好的开始，让你了解80年代以前建立的最经典的Bayesian方法，同时我还推荐另外两本老书，Fukunaga的Introduction to Statistical Pattern Recognition和Bishop的Neural Networks for Pattern Recognition，要注意的是这些书里面包括的知识虽然老，但是是最经典、最美的，是ML的基础，打下坚实的基础好比修炼内功，内功不扎实就玩花的为我辈所不耻
2.Smola的Learning with Kernels加上Vapnik的Statistical Learning Theory，之所以把Learning with kernels写在前面是因为它比后者更易读，而如果将后者通读，无疑将内力大增；此外，Vapnik的Estimation of Dependences Based on Empirical Data有2006年重印本，其中的Afterword of 2006非常值得一看。Smola，Schlkopf是跟Vapnik一个门派的，他们是90年代中后期SLT的代表人物，这个时期还有几位高人：Nello Cristianini和John Shawe-Taylor，他们的两本书An Introduction to Support Vector Machines和Kernel Methods for Pattern Analysis可以作为辅助教材
3.Hastie的The Elements of Statistical Learning和Ethem Alpaydin的Introduction to Machine learning。之所以放在第三，是因为这两本书包涵了一些较新的东西：Boosting, Reinforcement Learning等”