Sách
Trevor Hastie, Robert Tibshirani, Jerome Friedman, 2009, Bản thứ 2
Sách toán học 'gối đầu giường' của học máy thống kê, cho người đã vững xác suất và đại số tuyến tính, đi sâu vào lý thuyết đằng sau hồi quy, phân loại, cây quyết định, boosting, SVM và học không giám sát.
Tác giả giữ toàn bộ bản quyền (All Rights Reserved) — không phải giấy phép mở. Bạn vẫn xem và học miễn phí trên OpenER; muốn tái sử dụng cần xin phép tác giả.
Đăng nhập để đánh giá học liệu này.
Đăng nhập để bình luận — chưa ai bình luận về học liệu này.
Phiên bản nhập môn, bớt nặng toán hơn Elements of Statistical Learning, có bài thực hành bằng R (và bản Python riêng ISLP). Điểm khởi đầu tốt nhất để tự học học máy thống kê từ hồi quy tới cây quyết định, SVM và học không giám sát.
Sách kinh điển về học máy theo hướng Bayes, nổi tiếng với chương mô hình đồ họa xác suất (Chapter 8) và mạng nơ-ron. Được phép tải miễn phí toàn văn dù bản quyền vẫn thuộc Springer.