Здравствуйте!
Это будет первый пост в длинной серии постов, в которых рассматриваются концепции статистического обучения с использованием Python.
Статистическое обучение, как описано в книге, относится к «обширному набору инструментов для понимания данных».
Эта книга представляет собой упрощенную версию другой, более обширной книги под названием: «Элементы статистического обучения». Однако ESL предназначен для людей с продвинутыми знаниями математики, участвующих в концепции. По собственному признанию авторов, эта книга (ISLR) была нацелена на более широкую аудиторию, которая, возможно, не была знакома со строгими техническими аспектами концепций.
ISLR часто рекомендуется в качестве первого фрагмента текста, с которым начинающий специалист по анализу данных должен хорошо разбираться. Авторы также очень любезно сделали онлайн-курс на основе учебника. Тем не менее, курс основан на примерах R, и все концепции объясняются с использованием моделей, основанных на R. Эта серия сообщений будет попыткой объяснить все концепции, связанные с использованием Python и его библиотек.
Я просмотрел видеоматериалы онлайн-курса и книгу, но это отличная практика - время от времени возвращаться к старым концепциям. На этот раз я подумал, что было бы здорово получить исчерпывающее руководство по всем концепциям и руководство по Python для тестирования моделей. Эта серия может служить не только руководством для многих начинающих специалистов по обработке данных, планирующих сделать свои первые шаги в этой области, но также и ссылкой на все знания, которые я смог почерпнуть из этой чрезвычайно полезной книги.
Вот книга: www.statlearning.com
Вот онлайн-курс: https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winter2016/info
Практическое руководство по всей серии можно найти здесь.
Урок 1: ISLR: взгляд на Python - часть 1: напоминание.
Пост, логически и последовательно следующий за этим:
Урок 1: ISLR: взгляд на Python - Часть 1: Напоминание.
Ссылки:
