詹姆斯·加雷思;丹妮拉·维滕;特雷弗·哈斯蒂;罗伯特·提比拉尼;乔纳森·泰勒 统计学学习导论。使用Python中的应用程序。 （英语） Zbl 07724265号 统计中的Springer文本查姆：施普林格（ISBN 978-3-031-38746-3/hbk；978-3-331-39189-7/pbk；978-1-3831-38747-0/电子书）。xv，60页。(2023). 初审/出版商描述：《统计学习导论》提供了统计学习领域的一个可访问的概述，这是一个重要的工具集，用于理解过去二十年来在生物学、金融、市场营销和天体物理学等领域出现的庞大而复杂的数据集。本书介绍了一些最重要的建模和预测技术，以及相关应用。主题包括线性回归、分类、重采样方法、收缩方法、基于树的方法、支持向量机、聚类、深度学习、生存分析、多重测试等。使用彩色图形和真实世界的例子来说明所提出的方法。本书面向希望使用尖端统计学习技术分析数据的统计学家和非统计学家。四位作者合著了《统计学习导论》（An introduction to statistical learning），在纽约R.New York的应用：Springer（2013；Zbl 1281.62147号)]（ISLR），它已成为世界各地本科生和研究生课堂的支柱，也是数据科学家的重要参考书。其成功的关键之一是，每一章都包含一个关于在R科学计算环境中实现分析和方法的教程。然而，近年来，Python已经成为数据科学的一种流行语言，对基于Pythons的ISLR替代方案的需求也越来越大。因此，本书（ISLP）涵盖了与ISLR相同的材料，但使用Python实现了实验室。这些实验室对Python新手和经验丰富的用户都很有用。 MSC公司： 62-01 与统计有关的介绍性说明（教科书、辅导论文等） 62H30型 分类和区分；聚类分析（统计方面） 62-04 统计相关问题的软件、源代码等 62兰特 大数据和数据科学的统计方面 62J12型 广义线性模型（逻辑模型） 62H25个 因子分析和主成分；对应分析 68T05型 人工智能中的学习和自适应系统 关键词：线性回归;分类;逻辑回归;线性鉴别分析;重采样方法;交叉验证;引导;收缩法;降维方法;多项式回归;回归样条曲线;决策树;随机森林;装袋;增压;支持向量机;无监督学习;主成分分析;群集 引文：Zbl 1281.62147号 软件：蟒蛇;R（右） PDF格式BibTeX公司 XML格式引用 \textit{G.James}等人，《统计学习导论》。使用Python中的应用程序。查姆：施普林格（2023；Zbl 07724265） 全文： 内政部