Jupyter notebooks for the book "The Elements of Statistical Learning".
This repository contains Jupyter notebooks implementing the algorithms found in the book and summary of the textbook.
Requirements
- jupyter
- pandas
- numpy
- matplotlib
- scipy
- tensorflow 2 - temporarily until I have a lot of free time to implement them from scratch and it is used only in Chapter 11.
Table of Contents
Chapter 2
- 2.3 Least Squares and Nearest Neighbors(nbviewer)
- 2.4 Statistical Decision Theory(nbviewer)
- 2.5 Local Methods in High Dimensions(nbviewer)
- 2.6 Statistical Models, Supervised Learning and Function Approximation(nbviewer)
- 2.7 Structured Regression Models(nbviewer)
- 2.8 Classes of Restricted Estimators(nbviewer)
- 2.9 Model Selection and the Bias-Variance Tradeoff(nbviewer)
Chapter 3
- 3.1 Introduction(nbviewer)
- 3.2 Linear Regression Models and Least Squares(nbviewer)
- 3.2.1 Example Prostate Cancer(nbviewer)
- 3.2.2 The Gauss–Markov Theorem(nbviewer)
- 3.2.3 Multiple Regression From Simple Univariate Regression(nbviewer)
- 3.2.4 Multiple Outputs(nbviewer)
- 3.3 Subset Selection(nbviewer)
- 3.4 Shrinkage Methods(nbviewer)
- 3.4.1 Ridge Regression(nbviewer)
- 3.4.2 The Lasso(nbviewer)
- TODO: 3.4.3 Discussion: Subset Selection, Ridge Regression and the Lasso(nbviewer)
- 3.4.4 Least Angle Regression(nbviewer)
- 3.5 Methods Using Derived Input Directions(nbviewer)
Chapter 4
- 4.1 Introduction(nbviewer)
- 4.2 Linear Regression of an Indicator Matrix(nbviewer)
- 4.3 Linear Discriminant Analysis(nbviewer)
- 4.3.1 Regularized Discriminant Analysisnbviewer)
- 4.3.2 Computations for LDA(nbviewer)
- 4.3.3 Reduced-Rank Linear Discriminant Analysis(nbviewer)
- 4.4 Logistic Regression(nbviewer)
- 4.4.1 Fitting Logistic Regression Models(nbviewer)
- 4.4.2 Example: South African Heart Disease(nbviewer)
- 4.4.3 Quadratic Approximations and Inference(nbviewer)
- 4.4.4 L1 Regularized Logistic Regression(nbviewer)
Chapter 11
-
《The elements of statistical learning》是由统计学界三位泰斗级人物Trevor Hastie, Robert Tibshirani和Jerome Friedman共同编著的。堪称统计学界《圣经》一般的存在。 Trevor Hastie，目前担任斯坦福大学的John A. Overdeck数学科学教授和统计教授。Hastie以对应用统计的贡献而著称，特别是在机器学
-
1.中文版 https://esl.hohoweiya.xyz 2.相关视频以及An Introduction to Statistical Learning with Applications in R https://www.r-bloggers.com/in-depth-introduction-to-machine-learning-in-15-hours-of-expert-vide
-
在准备找工作阶段，借由巩固总结之前所学，恰好碰到这样一本书，简略看一下，顺便做个总结： 前两天微博上转出来的，复旦计算机学院的吴立德吴老师在开“统计学习精要(The Elements of Statistical Learning)”这门课，还在张江...大牛的课怎能错过 这本书正好前阵子一直在看，所以才会屁颠屁颠的跑过去听。确实是一本深入浅出讲data mining models的好书。作者网站
-
The-pit-of-the-Android-Studio 老卢独家整理Android Studio的填坑指南 以下是本文档的主要内容： �� 1️⃣ Android Studio版本号、Gradle版本、Build Tools 三者的对照关系表; Cmake版本对照表; Kotlin有关的Gradle插件版本对照表; Support包版本对照表; AndroidX和Support库版本对照表;
-
The History of Everything 是一个时间轴应用，可让你以浏览精美的插图和动画的形式，探索和比较从大爆炸到互联网诞生的种种事件。 该应用由 2Dimensions 出品，基于 Flutter 构建，目前已上架 Google Play 和 APP Store 。 该应用主要分为三个部分： 主菜单 - /app/lib/main_menu 应用打开时的初始界面。 时间轴 - /a
-
这是一本新媒体（New Media）领域的研究人员从艺术和物理的角度探讨如何通过Processing框架，将一些常见的自然现象转换实现。 例如：向量，力，振荡，粒子系统，神经网络等等。 作者对于本书的介绍和定位如下： “How can we capture the unpredictable evolutionary and emergent properties of n
-
The-Journal-of-Blockchain 区块链三个核心：去中心化、共识机制、不可篡改 区块链资源汇总 区块链使命与愿景 互联网技术的基础协议TCP/IP解放了人们在获取信息时的成本，也就是说：个人通过使用互联网获取信息的难度大大降低，可以轻易地获取对世界的认知与其他信息。而区块链的核心使命是使价值变的稳定，使信任建立成本近乎为0，从而降低人们在社会协作中投入的信任成本。 code is
-
在 Assassin of the Underdark 游戏中，你通过 underdark 扮演一个自定义玩家。RPG 元素包括武器、资源管理和部件系统。
-
The Legend of Edgar是一个真实世界的二维平台游戏。 故事情节：当埃德加的父亲走进一个黑暗和风雨夜，没有回家后，埃德加担心最糟糕的事情发生了：父亲已经被邪恶的魔法师抓住并囚禁在沼泽地。埃德加开始历尽苦难努力营救其父亲。 下载地址： edgar-0.25-1.i386.deb 0.25 1 Generic x86 Debian Package 8.09 MB 17th August