章
目
录
本文提供《统计学习导论：基于R应用》这本书pdf版本免费下载，支持百度网盘和夸克网盘，这本书由机械工业出版社在2015年5月出版，开本为16开，共290页。
作者团队
本书作者阵容强大，都是统计学领域的知名学者：
Gareth James：毕业于斯坦福大学统计学专业，获得博士学位，导师是Trevor Hastie。他现任南加州大学马歇尔商学院统计学教授，还是美国统计学会会士、数理统计协会终身会员以及新西兰统计协会会员，同时担任多个期刊的副主编。
Daniela Witten：同样毕业于斯坦福大学统计学专业，师从Robert Tibshirani，是华盛顿大学生物统计学副教授，也是美国统计学会和国际数理统计协会会士，在多个专业期刊担任副主编。
Trevor Hastie：美国统计学家和计算机科学家，斯坦福大学统计学教授，在多个知名学术组织担任会士，参与开发了R中的大部分统计建模软件和环境，还发明了主曲线和主曲面。
Robert Tibshirani：斯坦福大学统计学教授，在多个学术组织中都是会士，1996年获得COPSS总统奖，提出了lasso方法。他和Trevor Hastie合著了《The Elements of Statistical Learning》，还共同讲授斯坦福大学的公开课《统计学习》 。
内容特色
内容丰富实用：这本书对统计学习领域进行了全面的概述，涵盖了近20年来生物学、金融学、市场营销学和天体物理学等多个领域的数据处理所需的工具和方法。介绍了线性回归、分类、再抽样方法、压缩方法、基于树的方法和聚类等重要的建模方法和预测技术，并且通过彩图和实例，让这些方法更容易理解。
结合R语言实践：教材的主要目标是让自然科学、工业和其他领域的从业者能够轻松使用统计学习技术。所以，每一章都有在R语言中实现所介绍分析方法的指导内容。即使读者没有矩阵代数知识，只要学过《线性回归》课程，就能够顺利学习这本书。
详细目录
第1章 导论：介绍统计学习的基本概念、发展历史，以及本书的适用读者群、记号和简单矩阵代数知识等，还对全书内容进行了整体安排，并且提供了用于实验和习题的数据集，以及本书的网站信息。
第2章 统计学习：深入讲解什么是统计学习，以及如何评价模型精度，同时还设置了R语言简介的实验内容，并配备了相关习题。
第3章 线性回归：详细阐述简单线性回归和多元线性回归的知识，还介绍了回归模型中的其他注意事项，通过营销计划案例进行分析，并且对比了线性回归与k*近邻法，最后安排了线性回归的实验和习题。
第4章 分类：先概述分类问题，接着说明为什么线性回归在分类问题中不太适用，然后介绍逻辑斯谛回归、线性判别分析等分类方法，并对这些方法进行比较，最后通过R实验和习题巩固知识。
第5章 重抽样方法：主要介绍交叉验证法和自助法这两种重抽样方法，安排了相关实验，还配有习题帮助读者理解。
第6章 线性模型选择与正则化：包含子集选择、压缩估计方法、降维方法等内容，针对高维问题进行讨论，设置了多个实验分别介绍不同的线性模型选择与正则化方法，最后是习题。
第7章 非线性模型：介绍多项式回归、阶梯函数、基函数等多种非线性模型，通过实验让读者掌握非线性建模方法，最后给出习题。
第8章 基于树的方法：讲解决策树的基本原理，以及装袋法、随机森林和提升法等相关技术，安排了决策树的实验和习题。
第9章 支持向量机：详细介绍支持向量机的相关概念，包括最大间隔分类器、支持向量分类器等，还探讨了它与逻辑斯谛回归的关系，通过实验和习题加深读者对支持向量机的理解。
第10章 无指导学习：分析无指导学习面临的挑战，介绍主成分分析和聚类分析方法，通过多个实验进行案例分析，并配有习题。
《统计学习导论：基于R应用》是一本非常实用的书籍，它将理论知识与实践操作紧密结合，能够帮助读者快速掌握统计学习技术，欢迎大家下载。
资源下载
