统计推理书籍

Question

我目前正在选修“机器学习导论”课程，内容包括:线性回归、过度拟合、分类问题、参数和非参数模型、贝叶斯和非贝叶斯模型、生成分类、神经网络、支持向量机、增强和打包、无监督学习。我已经询问了一些有关这些主题的阅读材料，但我想听听更多关于书籍(或任何其他材料)的建议，这些建议能让人们对列出的主题有更多的直觉，还有一些书能深入到这些学科的理论中(我会得到一些直觉)？(我想每一门学科都有很多书要介绍这一理论，但任何建议都会很好。)

谢谢。

Answer 1

关于理论，蒂斯拉尼:统计学习https://web.stanford.edu/~hastie/Papers/ESLII.pdf的要素

还有Andrew和deeplearning.ai的其他书籍:机器学习渴望https://d2wvfoqc9gyqzf.cloudfront.net/content/uploads/2018/09/Ng-MLY01-13.pdf

当然，计算机语言的应用机器学习书籍:R http://faculty.marshall.usc.edu/gareth-james/ISL/统计学习简介

或者用python进行深度学习：http://faculty.neu.edu.cn/yury/AAI/Textbook/Deep%20Learning%20with%20Python.pdf

当然，互联网上有很多免费的公共pdf书籍。然而，在我看来，一开始，蒂巴施拉尼和吴家祥是好的。(当然，也可以自己做项目，并就堆叠溢出问题提出问题。这对我很有帮助)。

Answer 2

明确地用统计反思:一个带有R和Stan例子的贝叶斯课程覆盖贝叶斯方面。这是经典。