この投稿に基づいて、統計学習の要素をダイジェストします。幸いなことに無料で利用でき、私はそれを読み始めました。
私はそれを理解するのに十分な知識を持っていません。本のトピックのより良い紹介である本を推薦できますか？うまくいけば、それを理解するために必要な知識が得られますか？
関連する：
回答:
購入しましたが、まだ読んでいません。
S.マースランド、機械学習：アルゴリズムの視点、チャップマン＆ホール、2009年。
しかし、レビューは好意的であり、より深みのある他のMLブックよりも初心者に適していると述べています。ページをめくると、数学の背景がほとんどないので、私にとって良いと思えます。
Elements of Statistics Learningの著者は、数学の背景があまりないユーザー向けの新しい本（2013年8月）を発表しました。統計学習入門：Rでのアプリケーション
この本の無料のPDFバージョンは、現在ここにあります。
著者Toby Segaranは、中央のソフトウェア開発者ができるだけ早くデータハッキングに手を出せるようにすることに焦点を当てているため、Programming Collective Intelligenceは初心者にとって最も簡単な本だと思いました。
典型的な章：データの問題を明確に説明し、続いてアルゴリズムがどのように機能するかについて大まかな説明を行い、最後に数行のコードでいくつかの洞察を作成する方法を示します。
pythonを使用すると、すべてをかなり速く理解することができます（pythonを真剣に知る必要はありません。真剣に、私も以前は知りませんでした）。DONTは、この本はレコメンダーシステムの作成にのみ焦点を当てていると考えています。また、テキストマイニング/スパムフィルタリング/最適化/クラスタリング/検証なども扱っているため、すべてのデータマイナーの基本的なツールの概要をわかりやすく説明しています。
第10章では株式市場データも扱いますが、時系列データマイニングには焦点を当てていません。たぶん、この素晴らしい本の（あなたにとって）唯一の欠点です。
E. Alpaydinによる機械学習入門（MIT Press、2010年、第2版）では、素敵なイラスト（Bishopのパターン認識や機械学習など）で多くのトピックを取り上げています。
さらに、Andrew W. Mooreには、統計データマイニングに関する優れたチュートリアルがあります。
おそらく、Wassermanの統計のすべてが興味深いでしょう。与えられたリンクから本をサンプリングすることができます-そして序文の最初の数段落だけがあなたの市場に大きな売り込みをします-そしてあなたが大学に関係しているなら、おそらくスプリンガーを通して無料で本をダウンロードできます。
編集：おっと、このスレッドがどれほど古いか気づかなかった。
統計学習の要素は、特に自己学習者にとっては読みにくいかもしれません。：私は、次のリソースにつまずいている第二章のいくつかの説明を検索中にhttps://waxworksmath.com/Authors/G_M/Hastie/WriteUp/Weatherwax_Epstein_Hastie_Solution_Manual.pdf。本の複雑な瞬間を明確にする100ページ以上の注釈と説明が含まれています。この本を読んでいるすべての人のための素晴らしいリソース。この補足テキストには、演習用のソリューションが含まれています。
ロジャースとジロラミによる機械学習の最初のコースを強くお勧めします。重要なアイデアを非常に論理的な順序でカバーします。適切な例と、基礎の適切な基礎を持つための最小レベルの数学です。それはいくつかの本の取材の幅がありませんが、それがまさに入門テキストとしてとても良い理由です。
非常に興味深い別の本は、David BarberによるBayesian Reasoning and Machine Learningです。この本は著者のウェブサイトから無料でダウンロードできます：http : //www.cs.ucl.ac.uk/staff/d.barber/brml/