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】
: 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】
: 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】
: 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】
: 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】
: 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】
: 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】
: 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】
: 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】
: 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】
: 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】
: 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】
: 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
|
