原文：
www.kdnuggets.com/2021/08/introduction-statistical-learning-v2.html
评论
《统计学习导论：R 语言应用》，由 Gareth James、Daniela Witten、Trevor Hastie 和 Robert Tibshirani 编写，是该领域的绝对经典。此书是统计学习教材的主流，对于各个层次的读者都很友好，可以在没有太多基础知识的情况下阅读。
尽管原版自 2013 年以来已存在，但第二版最近刚刚出版，并且现在可以在书籍网站上免费获取 PDF 版本。
1. Google 网络安全证书 - 快速入门网络安全职业。
2. Google 数据分析专业证书 - 提升您的数据分析技能
3. Google IT 支持专业证书 - 支持您组织的 IT
来自书籍网站的描述：
随着数据收集的规模和范围在几乎所有领域持续增长，统计学习已成为任何希望理解数据的人的关键工具包。《统计学习导论》提供了对统计学习关键主题的广泛且技术性较少的处理。每一章都包含一个 R 实验室。此书适合希望使用现代数据分析工具的人。
原版中突出的主题包括：
-
稀疏分类和回归方法
-
决策树
-
提升方法
-
支持向量机
-
聚类
第二版扩展了以下值得注意的主题：
-
深度学习
-
生存分析
-
多重检验
-
朴素贝叶斯和广义线性模型
-
贝叶斯加法回归树
-
矩阵补全
《统计学习导论：R 语言应用》（ISLR）可以视为对另一本经典著作的较少深入的处理，这本书由一些相同的作者撰写，《统计学习的要素》。这两本书之间的另一个主要区别，除了材料深度之外，是 ISLR 将这些主题与编程语言中的实际实现结合在一起，这里使用的是 R 语言。
如上所述，这本书在该领域中绝对是经典之作。但你无需仅仅听我的话来了解它的重要性。以下是卡内基梅隆大学的拉里·瓦瑟曼对该书的评价（摘自该书的亚马逊网站）：
"《统计学习导论（ISL）》由 James、Witten、Hastie 和 Tibshirani 编写，是统计学习的“操作手册”。受到《统计学习的元素》（Hastie、Tibshirani 和 Friedman）的启发，本书提供了如何实现前沿统计和机器学习方法的清晰和直观的指导。ISL 使现代方法对广泛的读者群体变得可及，而不需要统计学或计算机科学的背景。作者对可用方法的精确、实际解释，并提供了明确的 R 代码。任何希望智能分析复杂数据的人都应该拥有这本书。"
—拉里·瓦瑟曼，教授，统计与机器学习系，卡内基梅隆大学
书籍的印刷版可以在亚马逊上购买，而 PDF 可以从这里免费下载。
附带的代码和数据集可以在这里找到.
相关内容：
-
《统计学习导论：免费电子书》
-
《机器学习数学基础：免费电子书》
-
《统计学习的元素：免费电子书》