Sono disponibili libri di testo statistici gratuiti?
Risposte:
I libri online includono
Aggiornamento: ora posso aggiungere il mio manuale di previsioni
The Elements of Statistical Learning di Hastie, Tibshirani e Friedman è un testo standard per statistiche e data mining ed è ora gratuito:
https://web.stanford.edu/~hastie/ElemStatLearn/
Disponibile anche qui .
C'è un superbo libro di probabilità qui: http://www.dartmouth.edu/~chance/teaching_aids/books_articles/probability_book/book.html che puoi acquistare anche in formato cartaceo .;
Ho spesso trovato utile il Manuale delle statistiche di ingegneria. Esso può essere trovato qui .
Anche se non l'ho mai letto da solo, sento Introduzione alla probabilità e alle statistiche L'utilizzo di R è molto buono. È un ebook completo di circa 400 pagine (disponibile anche come libro reale). Come bonus, ti insegna anche R, che ovviamente vuoi imparare comunque.
Mi piace molto The Little Handbook of Statistical Practice di Gerard E. Dallal
Ecco uno nuovo: Introduzione alla Probabilità e Statistica Utilizzando R . È specifico per R, però, ma è eccezionale. Non l'ho ancora letto, ma sembra bene finora ...
Uno dei più, se non il più popolare, libri di testo sull'apprendimento automatico è Hastie, Tibshirani e Friedman, The Elements of Statistical Learning , che è completamente disponibile online (attualmente in decima edizione). È paragonabile, ad esempio, a Bishop's Pattern Recognition e ML o Murphy's ML , ma quei libri non sono gratuiti, mentre ESL lo è.
Hastie & Tibshirani hanno anche co-scritto liberamente An Introduction to Statistical Learning, With Applications in R, che è fondamentalmente una versione più semplice di The Elements e si concentra su R.
Nel 2015, Hastie & Tibshirani hanno scritto un nuovo libro di testo Statistical Learning with Sparsity: The Lasso and Generalizations , disponibile anche online. Questo è un po 'più corto e si concentra specificamente sul lazo.
Un altro manuale di apprendimento automatico onnicomprensivo è il ragionamento bayesiano e l'apprendimento automatico di David Barber . Non l'ho usato da solo, ma è ampiamente considerato un libro eccellente.
Passando ora ad argomenti più specializzati, ci sono:
Rasmussen & Williams Gaussian Processes for Machine Learning , che è il libro sui processi gaussiani.
Molto atteso il libro di testo di Goodfellow, Bengio e Courville Deep Learning che sta per essere pubblicato dal MIT Press. Non è ancora stato pubblicato, ma il libro è già disponibile online. Sul sito Web ufficiale è possibile visualizzarlo nel browser ma non è possibile scaricare (come da accordo con l'editore), ma è facile trovare un PDF combinato, ad esempio qui su Github .
Csaba Szepesvári, Algorithms for Reinforcement Learning , un libro conciso su RL. Un libro di testo classico, molto più dettagliato ma un po 'datato è Sutton & Barto, Reinforcement Learning: un'introduzione che è anche disponibile gratuitamente online ma solo in un ingombrante formato HTML.
Boyd e Vandenberghe, ottimizzazione convessa .
Norman Matloff ha scritto un manuale di statistica matematica per studenti di informatica gratuito. Una specie di mercato di nicchia, suppongo. Per quello che vale, non l'ho letto, ma Matloff ha un dottorato di ricerca. nelle statistiche matematiche, lavora per un dipartimento di informatica e ha scritto un ottimo libro R, che raccomando a coloro che vogliono passare meglio alla fase successiva della programmazione R (invece di adattare semplicemente modelli con funzioni predefinite).
Statistiche OpenIntro
http://www.openintro.org/stat/textbook.php
Su Amazon sono disponibili anche copie cartonate economiche.
Una nuova visione delle statistiche di Will G. Hopkins è fantastica! È progettato per aiutarti a capire come comprendere i risultati delle analisi statistiche, non come dimostrare i teoremi statistici.
Non specifico per le statistiche, ma una buona risorsa è: http://www.reddit.com/r/mathbooks Inoltre, George Cain della Georgia Tech mantiene un elenco di testi matematici disponibili gratuitamente che include alcuni testi statistici. http://people.math.gatech.edu/~cain/textbooks/onlinebooks.html
Mi piacciono molto questi due libri di Daniel McFadden di Berkeley:
http://elsa.berkeley.edu/users/mcfadden/e240a_sp98/e240a.html
http://elsa.berkeley.edu/users/mcfadden/e240b_f01/e240b.html
Per entrare nei processi stocastici e nelle SDE, gli appunti delle lezioni di Tom Kurtz sono difficili da battere. Inizia con una discreta revisione della probabilità e alcuni risultati di convergenza, per poi immergersi direttamente nei processi stocastici a tempo continuo in un linguaggio abbastanza chiaro e comprensibile. In generale è uno dei migliori libri sull'argomento - gratuito o meno - che ho trovato.
" Un'introduzione all'apprendimento statistico con applicazioni in R " http://www-bcf.usc.edu/~gareth/ISL/ di due dei 3 autori del noto " Elementi di apprendimento statistico " più altri 2 autori . Un'introduzione all'apprendimento statistico con applicazioni in R è scritta a un livello più introduttivo con meno background matematico richiesto rispetto a The Elements of Statistical Learning, fa uso di R (a differenza di The Elements of Statistical Learning) ed è stata pubblicata per la prima volta nel 2013, alcuni anni dopo che questa discussione è stata avviata.
Cosma Shalizi, guru MLU della CMU, occasionalmente aggiorna presto una bozza di un libro di statistiche che sarà presto pubblicato da Cambridge Press dal titolo Advanced Data Analysis da un punto di vista elementare . Non posso raccomandarlo abbastanza bene ...
Ecco il sommario:
I. Regression and Its Generalizations
Regression Basics
The Truth about Linear Regression
Model Evaluation
Smoothing in Regression
Simulation
The Bootstrap
Weighting and Variance
Splines
Additive Models
Testing Regression Specifications
Logistic Regression
Generalized Linear Models and Generalized Additive Models
Classification and Regression Trees
II. Distributions and Latent Structure
Density Estimation
Relative Distributions and Smooth Tests of Goodness-of-Fit
Principal Components Analysis
Factor Models
Nonlinear Dimensionality Reduction
Mixture Models
Graphical Models
III. Dependent Data
Time Series
Spatial and Network Data
Simulation-Based Inference
IV. Causal Inference
Graphical Causal Models
Identifying Causal Effects
Causal Inference from Experiments
Estimating Causal Effects
Discovering Causal Structure
Appendices
Data-Analysis Problem Sets
Reminders from Linear Algebra
Big O and Little o Notation
Taylor Expansions
Multivariate Distributions
Algebra with Expectations and Variances
Propagation of Error, and Standard Errors for Derived Quantities
Optimization
chi-squared and the Likelihood Ratio Test
Proof of the Gauss-Markov Theorem
Rudimentary Graph Theory
Information Theory
Hypothesis Testing
Writing R Functions
Random Variable Generation
Il manuale delle statistiche elettroniche di Statsoft ('L'unica risorsa Internet sulle statistiche raccomandate dall'Enciclopedia Britannica') merita di essere verificato.
Alcune note scaricabili sulla probabilità, che sembra interessante: http://www.math.harvard.edu/~knill/teaching/math19b_2011/handouts/chapters1-19.pdf
Probabilità applicata: http://www.acsu.buffalo.edu/~bialas/EAS305/docs/EAS305%20NOTES%202005.pdf
http://www.ma.huji.ac.il/~razk/Teaching/LectureNotes/LectureNotesProbability.pdf
So che altri autori hanno avuto qualche problema a rendere i loro libri disponibili qui in cambio di stack ... La versione stampata della nostra edizione 2002 è stata stampata 3 volte e esaurita 3 volte; Springer e Google hanno recentemente iniziato a venderlo (solo libro) come eBook PDF (senza software) sui siti Springer e Google per $ 79.
Siamo lieti di poter rendere GRATUITAMENTE la versione PDF dell'eBook (edizione 2002) per gli utenti di stackexchange su:
http://www.mathstatica.com/book/bookcontents.html
Questa è una versione PDF completa dell'edizione stampata originale del 2002. Sebbene non sia incluso alcun software (né Mathematica né mathStatica ), i metodi, i teoremi, le tabelle riassuntive, gli esempi, gli esercizi, i teoremi ecc. Sono tutti utili e pertinenti ... anche come testo di riferimento per le persone che non hanno nemmeno Mathematica .
Uno può scaricare:
l'intero libro come un unico file di download ... con sommario cliccabile dal vivo ecc., ... o
capitolo per capitolo.
installazione di iBooks
Per installare come iBook:
Scarica l'intero libro come un singolo file PDF
Quindi trascinalo in iBooks (sotto la sezione: file PDF).
installazione iPad
Per installare su un iPad:
Prima installalo come iBook (come sopra)
Apri iTunes; seleziona il tuo iPad; fai clic su Libri: seleziona il libro e sincronizzalo sul tuo iPad.
È bello vedere gli accademici distribuire liberamente le loro opere. Ecco una raccolta di libri gratuiti ML / Stats in PDF:
Apprendimento automatico
Probabilità / Statistiche
Algebra lineare / ottimizzazione
Algoritmo genetico
Una scrittura di tutorial di probabilità e puzzle correlati insieme al codice R per l'apprendimento. Spero che sia d'aiuto
Non propriamente un intero libro di testo, ma la parte IV di Mathematics for Computer Science riguarda la probabilità e le variabili casuali.
http://www.probabilitycourse.com/ è un sito Web che ospita un manuale di probabilità e statistiche online gratuito. Ha anche funzionalità extra come strumenti grafici e video di lezioni
Ecco anche un ottimo libro gratuito sulle statistiche multivariate di Marden, principalmente interessato al normale modello lineare collegato a questa pagina:
Non è un libro di testo, ma i metodi bayesiani nella ricerca dell'MH370 sono un'ottima introduzione ai filtri antiparticolato.
Un libro di testo digitale su probabilità e statistiche di M. Taboga è disponibile all'indirizzo https://www.statlect.com Il livello è intermedio. Ha centinaia di esercizi ed esempi risolti, oltre a prove passo-passo di tutti i risultati presentati.