在这些动态、价值密度有待开发的高维大数据上发展协同自序的新数据应用模型，统计学习方法是必要的工具，它用于协调大数据重组结构中差异的发现和分离，并维护整体分析的同一性。其实早在10年前我们开始研读《统计学习基础》时就希望有机会参与这个新方向经典作品的翻译，可惜迟到一步。
全书从实用角度出发，既有工具、图层样式、蒙版、通道和滤镜等理论知识、技法原理的介绍（前8章），又有各个设计领域实战案例（后6章），其中实战案例覆盖了人像处理、淘宝美工、创意合成、图标绘制、界面设计和动效制作等热门领域，实用性极强。本书出自统计学习领域声名显赫的几位专家，结合R语言介绍了分析大数据必不可少的工具，提供一些重要的建模和预测技术，并借助丰富的实验来解释如何用R语言实现统计学习方法。
当然，这本《统计学习导论》不仅是努力的统计学习或机器学习课程的教材，也是数据挖掘、数据分析等相关从业者不可或缺的参考书。本书所列主题与ESL大体一致，但更注重方法的应用且同时弱化了数学推导的细节。这次翻译弥补了多年的缺憾，能够获得翻译专业经典的机会是我和整个团队的殊荣，相信其他读者也能够从中感受到我们传递给大数据分析爱好者的一份热忱与真诚。
俄罗斯用血的教训告诫中国，假如爆发战争，一定牢记这三大铁律！随着大数据问题的爆炸式增长，统计学习已成为许多科学领域及市场研究、金融学等商科领域一个非常热门的话题，拥有统计学习技能的人才千金难求。前者主要是指用合适的工具对给定研究对象某个属性上的量进行测定，主要用于提供有关研究对象量的实验证据，一般需要针对研究目标进行特定的科学设计、抽样计算、数据采集、相关整理、参数估计和模型检验等。
相信这本书将再次掀起国内大数据分析和R实践爱好者参与设计新的学习模型的热潮，从而共同推动国内大数据分析合作市场的建立。后者则是计算机体系架构为高效传输文件而产生的记录，比如日志、IP地址等，这类记录中既包含了系统的运行程序也包含了所传递对象的流通属性，其特点是，模块结构化程度高，程序繁殖很快，高消耗低效能特征明显。
另一方面，两类数据掌管着人、机、物三元世界的信息交换，比如在个性化医疗实施方案中，既需要测量数据的支持也需要系统数据的支持，比如通过普查数据可以了解老龄人口的分布情况，通过互联网监测系统可以对其中的孤寡老人开展危险分层建模和有效的社区医疗服务。数据是研究各种问题的基础，数据的形态种类繁多，但有两类数据在分析中常常是不能忽略的，一类是测量数据，另一类是系统数据。
发表评论