Sale Sale Hier klicken Jetzt informieren Book Spring Store 2017 Cloud Drive Photos UHD TVs Learn More Hier klicken HI_PROJECT Mehr dazu Mehr dazu Shop Kindle JustinTimberlake BundesligaLive wint17



am 16. Juli 2017
Formally not always exact or complete, but a very good overview and introduction. Also, the figures are very well made. Recommendable but not perfect.
0Kommentar| Eine Person fand diese Informationen hilfreich. War diese Rezension für Sie hilfreich? Missbrauch melden
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.
0Kommentar| 6 Personen fanden diese Informationen hilfreich. War diese Rezension für Sie hilfreich? 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.
0Kommentar|War diese Rezension für Sie hilfreich? Missbrauch melden
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.
33 Kommentare| 4 Personen fanden diese Informationen hilfreich. War diese Rezension für Sie hilfreich? Missbrauch melden
am 4. September 2017
The figures in this book are super accesable and well made but the rest of the book is not useful. It skimmes through alot of matierial. Like said before, it gives a good overwiew. Nothing else.
0Kommentar|War diese Rezension für Sie hilfreich? Missbrauch melden
am 2. Februar 2007
Dieses Buch bietet einen guten und weiten Überblick über klassische und neuere Verfahren der Statistik und Informatik im Bereich des Lernens aus Daten.

So werden Verfahren aus dem überwachten Lernen (also bei gegebenen Einfluss- und Zielgrößen) wie Lineare Regression, Diskriminanzanalyse, aber auch Neuronale Netze oder Support Vector Machines vorgestellt. Besonders gut gefallen hat mir das Kapitel zur Modellbewertung und -selektion, welches (kurz) auf Kreuzvalidierung und Bootstrapping eingeht.

Das letzte Kapitel befasst sich mit Methoden des unüberwachten Lernens (Daten lassen sich nicht in Eingänge und Ausgänge aufteilen). Hier werden Methoden wie Hauptkomponentenanalyse und Clusterverfahren vorgestellt, aber auch das sehr interessante Thema der Assoziationsregeln zur Warenkorbanalyse behandelt.

Dem Buch ein sehr guter Kompromiss zwischen theoretischen Darstellungen und praktischen Anwendungen gelungen. So sind fast alle Verfahren durch Beispiele illustriert und oft wird ein Vergleich verschiedener Verfahren anhand der Beispiele durchgeführt.

Die vorhandene Theorie verlangt von dem Leser ein solides Basiswissen (Vordiplom Mathematik/Statistik empfehlenswert) in Wahrscheinlichkeits- und Matrizenrechnung, Analysis und darauf basierend der Schätztheorie.

Für mich ist dieses Buch oft die erste Anlaufstelle auf der Suche nach Verfahren zur Beantwortung von Data-Mining-Fragen oder einfach nur um altes Wissen aufzufrischen.
0Kommentar| 10 Personen fanden diese Informationen hilfreich. War diese Rezension für Sie hilfreich? Missbrauch melden
am 5. November 2001
Die Autoren praesentieren einen aktuellen und fundierten Ueberblick zu den wichtigsten Methoden der statistischen Klassifikation und zu statistischen Lernverfahren. Sogar fuer Einsteiger in die Materie zu empfehlen, wenn die noetigen mathematischen Grundlagen (lin. Algebra und Statistik) bekannt sind.
0Kommentar| 10 Personen fanden diese Informationen hilfreich. War diese Rezension für Sie hilfreich? Missbrauch melden
am 1. März 2017
The copy I received seems to be a low quality print of the original glued inside an original hardcover. The book itself is great though
11 Kommentar|War diese Rezension für Sie hilfreich? Missbrauch melden
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.
22 Kommentare| 6 Personen fanden diese Informationen hilfreich. War diese Rezension für Sie hilfreich? Missbrauch melden
am 15. Dezember 2006
Dieses Buch hilft jemandem der die Materie nicht kennt überhaupt nicht weiter. Es ist völlig ungeeignet um sich die Methoden anzueignen. Bereits die ersten Formeln im Buch sind unglaublich komplex. Herleitungen, welche über mehrere Seiten gehen würden, werden dem Leser nur skizzenhaft in drei Zeilen hingeworfen, sodass ein tieferes Verständnis nur mit dem Buch nicht möglich ist.

Die kryptischen Erklärungen und teilweise konfusen Darstellungen helfen nur bedingt weiter. Der Index am Ende ist nicht vollständig.

Insbesondere das zweite Kapitel ist schlicht völlig unverständlich geschrieben. Die Notation innerhalb des Buches wechselt.

Zu empfehlen ist dieses Buch wohl nur denjenigen, die schon Experten im Bereich Machine Learning / Statistical Learning sind, mit den Methoden eine Weile gearbeitet haben und nur noch mal ein paar Dinge auffrischen wollen. Für Studenten, die sich in das Thema einarbeiten wollen, ist es jedenfalls meiner Meinung nach völlig ungeeignet.
11 Kommentar| 13 Personen fanden diese Informationen hilfreich. War diese Rezension für Sie hilfreich? Missbrauch melden