統計や機械学習に関する人気の高い科学の本はありますか？

本物の科学だけでなく、現在の理論の背後にある歴史と理由を扱った非常に優れた人気の科学書がたくさんありますが、読むことは非常に楽しいままです。たとえば、ジェームズ・グレイクによる「カオス」（カオス、フラクタル、非線形性）、スティーブン・ホーキングによる「時間の短い歴史」（物理学、宇宙の起源、時間、ブラックホール）、リチャード・ドーキンスによる「利己的な遺伝子」 （進化と自然選択）。これらの本の中には、議論を提示するもの（Dawkins）と提示しないもの（Gleick）があります。しかし、それらはすべて、綿密な科学教育を受けていない私たちにとって、そうでなければ難しい概念を理解しやすくするのに役立ちます。

主に統計や機械学習に焦点を当てた本はありますか？

各本がカバーする内容の要約を含めてください。

私は疑うレディー・テイスティングティーデビッドSalsbergによっては、正確に何をしたいです。物語形式で書かれており、ほとんど小説のように、本質的に数学がない（覚えている）ので、だれでもアクセスできます。私はそれをずっと前に読んで本当に楽しんだ。それは非常に速く読み、統計分析が何であるか、そしてそれが世界を理解し実際的な問題を解決するのにどのように役立つかについて人々に感覚を与えることができます。

ネイトシルバーの新著『シグナルとノイズ：ほとんどの予測が失敗する理由–しかし、一部はあなたの説明にうまく適合していません。また、素人向けのベイジアン思考の紹介でもあります。最近注目を集め、本のレビューをここで見つけることができます。

Levitt＆DubnerのFreakonomicsの本もチェックアウトする価値があります。

より良い読み取り：

サム・L・サベージによる平均の欠陥

Nassim Talebによるランダムネスにだまされて

どちらも、私たちの日常生活で確率と統計を解釈する方法に注意を払うことについて、いくらか注意深い本です。たとえば、金融市場では、日常のガウス分布を悲惨な結果を伴うリスク指標として誤用する可能性があるため、実際にはより経験に基づいたモデル（モンテカルロシミュレーションなど）を使用することができます。タレブは金融界で非常に人気があり、行動バイアスやモデリングへの過度の依存にもっと注意するようにしばしば警告します。

Sharon Bertsch McGrayneによる「死ぬことのない理論」は、ベイジアン統計の歴史とその背後にある一般的なアイデアに関する非常に読みやすい本です。

私はまた、数学のいくつかを用いた統計の一般的な概念への素晴らしい紹介として、GonnickとSmithによる「The Cartoon Guide to Statistics」のファンでもありますが、あなたを眠らせない方法で提示しています（遺伝学、物理学、化学に関する漫画ガイドで、他にもいくつか読みました。

どちらも理想的ではありませんが、次の本をお勧めします。チェックアウトする必要があります。

1. （偉大な）B.マンデルブロによる（Mis）Behaviour of Markets
2. ジェフレイ・ローゼンタールの「稲妻に打たれた」

前者はより財務に焦点を当てているが、まだ統計的であり、後者はオッズ、モンティホール問題、効用関数、ランダムウォークなど、すべての興味深い確率の主題の紹介です。

基本的な統計リテラシーと 統計的推論を支援するための非常に良い本 -そして、これらのケースを重要なものにする-は、BBCの応用統計に関する人気ラジオ番組の元プレゼンターである Andrew DilnotによるThe Tiger That Is n'tではありません。

私は、ベン・ゴールドエーカーによる人気のあるポップサイエンスの本「バッドサイエンス」に相当する統計として、それをしばしば勧めます。基本的な統計的推論を導入し、基本的な統計的推論の重要性を示し、本当によく知るべき人々（特に政治家、ジャーナリストなど）の間で基本的な統計的推論の欠如を心配させるのに役立ちます。非常にアクセスしやすく、魅力的で、場所が面白く、他の人が深く心配しています！数値を「自分のものではない」と考える人への紹介として特に良い。

Ian Ayresは、「スーパークランチ：数字による思考がスマートになる新しい方法である理由」という本の著者であり、データマイニングのいくつかの例を説明しています。

ファジィセット、情報理論、エントロピー、統計的推論に関する大衆市場スタイルの優れた本をいくつか読んでお勧めすることで、ここでギャップを埋めることができると考えました。

•すべてのファジーについて、非公式の良い出発点は、1993年のファニーロジックのMcNeill、Danです。サイモン＆シュスター：ニューヨーク。

•人間の脳の組織に関する興味深い推測を中心に構成された、ニューラルネットの優れた大衆市場の紹介については、Hawkins、Jeff、2004、On Intelligenceを参照してください。タイムズブックス：ニューヨーク。

統計の落とし穴や誤った推論などの重要なトピックを簡単に読み込める紹介については、次の3つを試してください。

•Huff、Darrell、1954、How with Lie to Statistics。WW Norton＆Companyニューヨーク。

•Kault、David、2003、常識のある統計。Greenwood Press：コネチカット州ウェストポート。

•スミス、ゲイリー、2014年、標準偏差：前提条件の不備、データの拷問、および統計を活用するその他の方法。Overlook Press：ニューヨーク。

以下はすべて情報理論とエントロピーに関連しています。

•ラッキー、RW、1989年、Silicon Dreams：Information、Man、およびMachine。セント・マーチンズ・プレス：ニューヨーク。

•この著者は、情報理論を文脈に入れ、それの悪用を指摘しながら、非専門家が理解できる方法で書いています：Pierce、John Robinson、1961、Symbols、Signals、Noise：The Nature andコミュニケーションのプロセス。ハーパー：ニューヨーク。

•この類似のタイトルを読みましたが、それが後の版かフォローアップかを思い出せません：Pierce、John Robinson、1980、An Introduction to Information Theory：Symbols、Signals＆Noise。ドーバー出版物：ニューヨーク。

•正しく覚えていれば、この著者は簡単に読める一方で、さらに高度な概念（Brillouin、Léon、1964、Science、Uncertainty and Information）を取り入れています。アカデミックプレス：ニューヨーク。

•Brillouin、Léon、1962、Science and Information Theoryも参照してください。アカデミックプレス：ニューヨーク。

•私はずっと前にこれを読みましたが、この著者は読みやすく、情報理論に関していくつかの興味深い観察があったと信じています。Addison-Wesley Pub。マサチューセッツ州リーディング

カオス、情報、量子物理学、確率、ランダム性、「サイバネティックス」、自己組織化、ファジィセット、人工知能などの心を打つトピックに関するマスマーケットの本には、吹き飛ばされた少数ではあるが顕著なマイノリティが含まれています。論理的に無効になる場合もあります。これらの理論のそれぞれには、良いことで立ち止まるタイミングがわからず、特定の分野をすべての壮大な説明に変えるために論理的に飛躍する有名な支持者がいます。シャノンが情報エントロピーの誤用について行ったように、それぞれには、証拠をはるかに超えた著者がおり、彼らの分野の創始者による明示的な警告を無視するほどです。彼らの執筆には熱っぽくて不健康な色合いがあり、それは時々クランクによって生成されるジャンクサイエンスとして適格です。明らかな論理的誤fallと時々ひどく誤った事実に基づいて、これらのトピックについてとんでもないことを印刷し続ける有名な名前を挙げることができます。深刻な炎戦争を避けるためにここではそれをしません。なぜなら、私は偶像と神聖な牛を呼ぶ必要があるからです。この種の誤解を招く資料が世に出ていることを認識して、それを赤旗にする準備をしてください。必要な特別な証拠なしで特別な主張に注意してください。

レナード・ムロディノフの 『酔っぱらいの散歩』は、基本的な統計と確率の読みやすい紹介です。コンテンツは、統計的または数学的なトレーニングを受けていない視聴者を対象としており、方程式はありません。私はそれが少し馬鹿げていることを発見しました。悪い統計のさまざまなアプリケーションに関連する逸話がたくさんあり、それらが間違っていた理由の明確な説明があります。

本は、基本的な統計と条件付き確率をカバーしています。

Kaiser FungによるNumbers Rule your Worldは、保険市場などの現代社会に不可欠な多くのシステムにおける統計の重要性を説明しています。

同じく Kaiser FungによるNumber Senseは、「ビッグデータ」についてより具体的に語っています。

マスターアルゴリズム：究極の学習マシンの探求が私たちの世界をどのように再構築するかは、2015年にリリースされたPedro Domingosによる本です。Domingosは、フィールド外の人々から関心を引くためにこの本を書きました。

本は、機械学習の5つの部族の概要を示しています。帰納的推論、コネクショニズム、進化的計算、ベイズの定理、類推モデリングです。著者は、より理解しやすいロジックのプロセス、脳内のつながり、自然選択、確率、および類似性の判断に言及することにより、これらの部族を読者に説明します。本を通して、それぞれの異なる部族は、統一された「マスターアルゴリズム」に貢献する可能性があることが示唆されています。

https://en.m.wikipedia.org/wiki/The_Master_Algorithm