Tôi thấy các tài nguyên như Sổ tay xác suất và thống kê và Thẻ tham chiếu R cho khai thác dữ liệu vô cùng hữu ích. Họ rõ ràng phục vụ tốt như tài liệu tham khảo nhưng cũng giúp tôi sắp xếp suy nghĩ của mình về một chủ đề và có được vị trí của đất.
Q: Có bất cứ thứ gì như những tài nguyên này tồn tại cho các phương pháp học máy không?
Tôi đang tưởng tượng một thẻ tham chiếu cho mỗi phương thức ML sẽ bao gồm:
- Thuộc tính chung
- Khi phương pháp hoạt động tốt
- Khi phương pháp làm kém
- Từ đó hoặc phương pháp khác mà phương pháp tổng quát hóa. Nó đã được thay thế chủ yếu?
- Giấy tờ về phương pháp
- Các vấn đề mở liên quan đến phương pháp
- Cường độ tính toán
Tất cả những điều này có thể được tìm thấy với một số đào tối thiểu thông qua sách giáo khoa Tôi chắc chắn. Nó sẽ chỉ thực sự thuận tiện để có chúng trên một vài trang.
5
Một mục tiêu tốt đẹp, nhưng "đào tối thiểu qua một số sách giáo khoa"? Làm thế nào người ta thậm chí có thể bắt đầu nén 20 cuốn sách này để học thống kê và khai thác dữ liệu + mloss.org/software/rating ?
—
chối
một số khác: stats.stackexchange.com/questions/19311/ từ
—
steffen
(+1) cho chuzpa, nếu một cái nhìn tổng quan như vậy tồn tại, tôi sẽ trả tiền cho nó. Vấn đề chính là bên cạnh một số thuộc tính có thể xuất phát từ chính thuật toán, phần lớn các thuộc tính hoặc quy tắc của ngón tay cái đó có được nhờ kinh nghiệm, tức là ứng dụng. Tôi khá chắc chắn rằng một nhà nghiên cứu ứng dụng cứng rắn hoặc nhà lập trình / tư vấn viên ML-framework có thể viết một cái gì đó như thế ... nhưng ở đây và bây giờ?
—
steffen
@Denis: liên kết "20 cuốn sách .." không hoạt động, bạn có thể kiểm tra điều này không?
—
lmsasu
Tôi không phải là chuyên gia về máy học nên tôi sẽ trì hoãn để người khác đăng câu trả lời nhưng tôi nghĩ rằng Yếu tố học tập thống kê được coi là một văn bản hay về chủ đề này và được viết bởi một số tên tuổi lớn nhất trong lĩnh vực này. Tôi nên nói thêm rằng cuốn sách này được viết ở cấp độ cao và những người tôi từng nghe khuyên rằng nó đã có bằng tiến sĩ về thống kê.
—
Macro
