Ihre Bewertung(Löschen)Ihre Bewertung
Sagen Sie Ihre Meinung zu diesem Artikel

Derzeit tritt ein Problem beim Filtern der Rezensionen auf. Bitte versuchen Sie es später noch einmal.

4 von 4 Kunden fanden die folgende Rezension hilfreich.
am 6. Juli 2012
Ich verwende das Buch gelegentlich als "Nachschlagwerk" v.a. wegen seiner Vollstaendigkeit. Die Einfuehrungskapitel sind nicht (sehr) hilfreich. Zum Lernen wuerde ich eindeutig Bishop und/oder Mackay empfehlen.
11 KommentarWar diese Rezension für Sie hilfreich?JaNeinSenden von Feedback...
Vielen Dank für Ihr Feedback.
Wir konnten Ihre Stimmabgabe leider nicht speichern. Bitte versuchen Sie es später noch einmal.
Missbrauch melden
1 von 1 Kunden fanden die folgende Rezension hilfreich.
am 3. Juli 2014
Der Hastie ist ein solides Lehrbuch. Er ist sehr gut lesbar und angenehm gestaltet. Insbesondere Format und Typographie sind schöner Latex Satz ohne zu viel Eingriffen von Seiten des Verlages und von daher ist das Buch eine Augenweide.

Ich habe den (Frequentistischen) Hastie als Ergänzung zum Bayesianischen Bishop gekauft und nutze ihn meist ebenso, als Ergänzung. Hastie wählt den konservativen, frequentistischen Ansatz und ist damit näher an der "klassischen" kanonischen Statistik.

Leider finde ich oft die frequentistischen Ansätze an zentraler Stelle nicht motiviert im Hastie. Das erschwert das Nachvollziehen erheblich. Ein ausführliches Verständnis stellt sich dann eher am Ende eines Abschnitts ein, wenn man sieht wohin man mit dem kaum erläuterten Ansatz gekommen ist. Dafür werden die Ergebnisse oft schön erkläutert und erklärt, leider eben fehlt die Motivation am Anfang der Abschnitte oft.

An einigen Stellen ist der Hastie wesentlich verständlicher als der Bishop was auch am frequentistischen Ansatz liegt. Wo Bishop Verteilungen betrachtet, sind die Modelle im Hastie oft etwas simpler und dafür wesentlich leichter durchzurechnen.

Natürlich enthält der Hastie auch viele Algorithmen die Bishop nicht bespricht und andersrum.

Fazit. Der Hastie ist eine gute Einführung.
0KommentarWar diese Rezension für Sie hilfreich?JaNeinSenden von Feedback...
Vielen Dank für Ihr Feedback.
Wir konnten Ihre Stimmabgabe leider nicht speichern. Bitte versuchen Sie es später noch einmal.
Missbrauch melden
1 von 1 Kunden fanden die folgende Rezension hilfreich.
am 30. März 2014
The Elements of Statistical Learning (ESL) ist ein Standardwerk für Maschine Learning. Die Autoren sind sehr renommierte Frequentists und sind seit Jahrzehnten Statistik-Professoren an der Stanford University. Im Buch ist dies sehr deutlich zu sehen. Das Buch geht sehr tief in die Materie und erfordert Konzentration und Zeit. Es wird alles behandelt und bewiesen.

Die Mathematikvorkenntnisse sind deswegen relativ hoch. Deswegen wird dieses Buch sehr häufig für ML-Vorlesungen auf Master-Niveau weltweit benutzt und dies zu Recht. Allerdings bleibt ESL in der Theorie und man findet so gut wie keine Anwendungsbeispiele, die man direkt einsetzen kann. Obwohl am Ende jedes Kapitels, Übungen und Fragen zu finden, sind, gibt es leider keine Lösungen. Deswegen ist zum Selbstlernen bedingt geeignet.

Aus den oben genannten Gründen werden viele Leser dem kleinen Bruder „An Introduction to Statistical Learning“ vorziehen. Man kann beide Bücher erwerben und ISL als Hauptliteratur haben, während man ESL als Nachschlagwerk behält.
0KommentarWar diese Rezension für Sie hilfreich?JaNeinSenden von Feedback...
Vielen Dank für Ihr Feedback.
Wir konnten Ihre Stimmabgabe leider nicht speichern. Bitte versuchen Sie es später noch einmal.
Missbrauch melden
am 3. März 2015
das viel abdeckt. Leider in manchen Dingen etwas zu unkonkret, man würde sich teilweise etwas mehr, an anderen Stellen etwas weniger Details, wünschen.
0KommentarWar diese Rezension für Sie hilfreich?JaNeinSenden von Feedback...
Vielen Dank für Ihr Feedback.
Wir konnten Ihre Stimmabgabe leider nicht speichern. Bitte versuchen Sie es später noch einmal.
Missbrauch melden
     
 
Kunden, die diesen Artikel angesehen haben, haben auch angesehen