m****s 发帖数: 1481 | 1 之前看了几本没什么数学公式的,还挺容易的,coursera上andrew ng和hinton的课也
比较容易follow。然后开始看hastie,发觉跟不上,数学太多了,最主要也没什么推导
。怎么办?有没有比这个浅一些的书但是也包含数学推导和原理分析的。
另外我感觉这本书包括的内容很多啊,很有点儿全方位literature survey的意思,一
个regression能讲好多细节的变化,搞学术肯定是很需要的,但是真正工作中会用到这
么多变化吗?
另求推荐neural network的书,我觉得这个东西挺有意思的,最近的一些应用表现也不
错,而且可以用GPU来training,我也有GPU做计算的经验。这东西在目前的data
analyticsl实际工作中用的多么? |
j*****n 发帖数: 1545 | 2 用不了,能看懂基本公式,知道 pros & cons,知道原理,能写 poduction code 你
就不怕找不到工作,最重要得是能写code |
m****s 发帖数: 1481 | 3 谢谢。能推荐下帮助提高写code的书,或者tutorial,或者业余项目么?
如果精力只够专攻一个语言,选哪个?R还是Python?我个人倾向于R,有什么好资料推
荐么?
我有C,matlab的经验,openCL也写过大作业,c++学过但是没怎么写过production code |
T*****u 发帖数: 7103 | 4 多看几遍吧。和计算机系的相比,这是hard core的统计了。我第一遍也没看懂,第二
遍觉着比第一遍好多了。 |
f******k 发帖数: 297 | 5 Hastie的书还是偏应用的,数学上其实要求不高,也就工科大一大二的水平。
:多看几遍吧。和计算机系的相比,这是hard core的统计了。我第一遍也没看懂,第二
:遍觉着比第一遍好多了。
……
【在 T*****u 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 多看几遍吧。和计算机系的相比,这是hard core的统计了。我第一遍也没看懂,第二 : 遍觉着比第一遍好多了。
|
f******k 发帖数: 297 | 6 Hastie 还有一本就是讲怎么用R的,可以和这本一起看。
:用不了,能看懂基本公式,知道 pros & cons,知道原理,能写 poduction code 你
:就不怕找不到工作,最重要得是能写code
……
【在 j*****n 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 用不了,能看懂基本公式,知道 pros & cons,知道原理,能写 poduction code 你 : 就不怕找不到工作,最重要得是能写code
|
m****s 发帖数: 1481 | 7 太受打击了...
第二
【在 f******k 的大作中提到】![](/moin_static193/solenoid/img/up.png) : Hastie的书还是偏应用的,数学上其实要求不高,也就工科大一大二的水平。 : : :多看几遍吧。和计算机系的相比,这是hard core的统计了。我第一遍也没看懂,第二 : :遍觉着比第一遍好多了。 : ……
|
l******t 发帖数: 96 | 8 基本也就线性代数和求导吧
数学基础好的话确实不难
第二
【在 f******k 的大作中提到】![](/moin_static193/solenoid/img/up.png) : Hastie的书还是偏应用的,数学上其实要求不高,也就工科大一大二的水平。 : : :多看几遍吧。和计算机系的相比,这是hard core的统计了。我第一遍也没看懂,第二 : :遍觉着比第一遍好多了。 : ……
|
l*******m 发帖数: 1096 | 9 写的不系统,所以不好懂,不能怪你。这不是一本好教课书,就是个参考读物
【在 m****s 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 之前看了几本没什么数学公式的,还挺容易的,coursera上andrew ng和hinton的课也 : 比较容易follow。然后开始看hastie,发觉跟不上,数学太多了,最主要也没什么推导 : 。怎么办?有没有比这个浅一些的书但是也包含数学推导和原理分析的。 : 另外我感觉这本书包括的内容很多啊,很有点儿全方位literature survey的意思,一 : 个regression能讲好多细节的变化,搞学术肯定是很需要的,但是真正工作中会用到这 : 么多变化吗? : 另求推荐neural network的书,我觉得这个东西挺有意思的,最近的一些应用表现也不 : 错,而且可以用GPU来training,我也有GPU做计算的经验。这东西在目前的data : analyticsl实际工作中用的多么?
|
j*****n 发帖数: 1545 | 10 R 其实不算 code.... 只能算是工具
至少也得 python 吧.
code
【在 m****s 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 谢谢。能推荐下帮助提高写code的书,或者tutorial,或者业余项目么? : 如果精力只够专攻一个语言,选哪个?R还是Python?我个人倾向于R,有什么好资料推 : 荐么? : 我有C,matlab的经验,openCL也写过大作业,c++学过但是没怎么写过production code
|
|
|
a********f 发帖数: 444 | 11 这种书看理论干啥,会用就行了。hastie和friedman本身上课都极差,每次课上都是睡
一片。这些本身就是heuristic的东西,理解起来不难,那些数学公式的作用无非是把
intuition的东西包装起来变得更加晦涩而已。如果你不研究这个,略过理论分析的部
分完全没问题。 |
f******k 发帖数: 297 | |
g*********n 发帖数: 119 | 13 我觉得machine learning 里面的数学非常有意思,非常有用。看起来很heuristic的算
法,像adaboost,它后面其实有非常solid的数学依据在那里。如果你想真正享受数据
科学,就要试图理解它为什么是这样,算法和算法的关系是怎样,而不仅仅知道run 一
个 python package。 |
a***g 发帖数: 2761 | 14 里面的数学绝对不是大一大二的水平
想领会里面的思路,偏微和泛函都要玩的很熟
第二
【在 f******k 的大作中提到】![](/moin_static193/solenoid/img/up.png) : Hastie的书还是偏应用的,数学上其实要求不高,也就工科大一大二的水平。 : : :多看几遍吧。和计算机系的相比,这是hard core的统计了。我第一遍也没看懂,第二 : :遍觉着比第一遍好多了。 : ……
|
f******k 发帖数: 297 | 15 这个不能同意更多,adaboost是pac learning里出来的理论转应用的模范。svm的理论
读起来也是享受,从surrogate loss解决classification loss非凸的问题,从no free
lunch theorem到noise/concentration如何影响gaussian kernel的learning rate,
还有RKHS的representation,难怪有无数高质量的灌水文。
【在 g*********n 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 我觉得machine learning 里面的数学非常有意思,非常有用。看起来很heuristic的算 : 法,像adaboost,它后面其实有非常solid的数学依据在那里。如果你想真正享受数据 : 科学,就要试图理解它为什么是这样,算法和算法的关系是怎样,而不仅仅知道run 一 : 个 python package。
|
r**d 发帖数: 6 | 16 我觉得他们的An Introduction to Statistical Learning更容易follow |
H*****l 发帖数: 1257 | 17 楼主不同管这里几个装B的人(比如我回复的这位)的回帖;
这本书是Stanford的CS,统计系若干门研究生课程的教材,
大一大二的水平,只代表你对这本书的理解处于大一大二水平。
第二
【在 f******k 的大作中提到】![](/moin_static193/solenoid/img/up.png) : Hastie的书还是偏应用的,数学上其实要求不高,也就工科大一大二的水平。 : : :多看几遍吧。和计算机系的相比,这是hard core的统计了。我第一遍也没看懂,第二 : :遍觉着比第一遍好多了。 : ……
|
c*****l 发帖数: 1493 | 18 stat grad的数学整体弱于math grad无疑
【在 H*****l 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 楼主不同管这里几个装B的人(比如我回复的这位)的回帖; : 这本书是Stanford的CS,统计系若干门研究生课程的教材, : 大一大二的水平,只代表你对这本书的理解处于大一大二水平。 : : 第二
|
h********3 发帖数: 2075 | 19 Hastie那本书还算偏应用的,比较简单的了。Hastie的书对于Bayesian的方法没有怎么
介绍。真正学machine learning的话,得去看PRML。
【在 m****s 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 之前看了几本没什么数学公式的,还挺容易的,coursera上andrew ng和hinton的课也 : 比较容易follow。然后开始看hastie,发觉跟不上,数学太多了,最主要也没什么推导 : 。怎么办?有没有比这个浅一些的书但是也包含数学推导和原理分析的。 : 另外我感觉这本书包括的内容很多啊,很有点儿全方位literature survey的意思,一 : 个regression能讲好多细节的变化,搞学术肯定是很需要的,但是真正工作中会用到这 : 么多变化吗? : 另求推荐neural network的书,我觉得这个东西挺有意思的,最近的一些应用表现也不 : 错,而且可以用GPU来training,我也有GPU做计算的经验。这东西在目前的data : analyticsl实际工作中用的多么?
|
f******k 发帖数: 297 | 20 you don't know what you are talking about. there is no single lemma/
proposition/theorem stated or proved in the book. how can one call it a
theory heavy book? just compare it to any monograph, such as the one on
support vector machine by Steinwart, one can clearly see the difference.
:楼主不同管这里几个装B的人(比如我回复的这位)的回帖;
:
:这本书是Stanford的CS,统计系若干门研究生课程的教材,
:
:大一大二的水平,只代表你对这本书的理解处于大一大二水平。
:
:
……
【在 H*****l 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 楼主不同管这里几个装B的人(比如我回复的这位)的回帖; : 这本书是Stanford的CS,统计系若干门研究生课程的教材, : 大一大二的水平,只代表你对这本书的理解处于大一大二水平。 : : 第二
|