O
http://www.stat.columbia.edu/~gelman/research/unpublished/stat50.pdf
Важнейшие статистические идеи/методы последних 50 лет, от Эндрю гелмана.
Важнейшие статистические идеи/методы последних 50 лет, от Эндрю гелмана.
Size: a a a
2020 December 13
O
Это не ответ на ваш вопрос, а nice morning reading
a
http://www.stat.columbia.edu/~gelman/research/unpublished/stat50.pdf
Важнейшие статистические идеи/методы последних 50 лет, от Эндрю гелмана.
Важнейшие статистические идеи/методы последних 50 лет, от Эндрю гелмана.
спасибо!
OS
Зачем же. Сама задача сильно попахивает учебной.
x <- sample(1:100)Длинно зато понятно.
r <- integer(length(x))
m <- mean(x)
r[x == m] <- 0
r[x > m] <- 1
r[x < m] <- -1
А поч такая запись хуже ифэлза? Читаемее же
Но я мало писал на р, мб предвзят
Но я мало писал на р, мб предвзят
AS
А есть какой-то консенсус по поводу того, что является лучшей книгой по мышиному обучению в R? Мне только Lantz на ум приходит.
Если верить спискам с первой страницы Гугла, то кроме Introduction to Statistical Learning и Лантца ничего и нет особо.
O
AA
Ещё вот такое нашёл: https://bradleyboehmke.github.io/HOML/
На Amazon есть книги по ML на R и есть хорошие. Если хочется посмотреть список, но когда искал многие из них, то находил не менее интересные, которых не было на Амазон. Были и наподобие Лантца, но их можно найти только зная название,при том свежие по выпуску относительно.
EP
Получить список сохранённых URL веб-архива легко.
Дока: https://archive.org/help/wayback_api.php
Например вот так:
Дока: https://archive.org/help/wayback_api.php
Например вот так:
u <- sprintf("https://web.archive.org/cdx/search/cdx?url=%s&matchType=prefix&from=202001010000&filter=statuscode:200&filter=mimetype:text/html", curl_escape(my_domain))
r <- curl_fetch_memory(u)
x <- fread(
input = rawToChar(r$content),
sep = " ",
header = FALSE,
select = c(3, 2),
col.names = c("url", "timestamp"),
colClasses = c("V2" = "character")
)
setorder(x, url, timestamp)
x[, wa_url := paste("http://web.archive.org/web", timestamp, url, sep = "/")]прикольно! Я как-то уперся в их API, т.к. он не позволяет отправлять страницы в архив. А до идеи постить в форму не додумался)
ГД
Если верить спискам с первой страницы Гугла, то кроме Introduction to Statistical Learning и Лантца ничего и нет особо.
Кун на русский переводился - https://www.piter.com/collection/kompyutery-i-internet/product/prediktivnoe-modelirovanie-na-praktike-2 Я думал, там что-то потерявшее актуальность про caret, который заброшен. Но по факту книга особо не привязана к языку и библиотеке, изложение достаточно толковое. Но мне показалось, что не для совсем начинающих. Обе книги Хасти - (введение а стат обучение и основы стат обучения) тоже переведены на русский, но они мне кажутся более математическими, а не практическими. А что значит "лучшее"? Для начинающих? По охвату материала? По современности используемых библиотек?
AS
Кун на русский переводился - https://www.piter.com/collection/kompyutery-i-internet/product/prediktivnoe-modelirovanie-na-praktike-2 Я думал, там что-то потерявшее актуальность про caret, который заброшен. Но по факту книга особо не привязана к языку и библиотеке, изложение достаточно толковое. Но мне показалось, что не для совсем начинающих. Обе книги Хасти - (введение а стат обучение и основы стат обучения) тоже переведены на русский, но они мне кажутся более математическими, а не практическими. А что значит "лучшее"? Для начинающих? По охвату материала? По современности используемых библиотек?
Точно! Куна можно включить, чтобы тоже троица получилась.
AS
Лучшее ~ a la Герон для Python.
ГД
Хм... По воспоминаниям его книга скорее специализирована на нейросетях, а не на мл в целом
AS
Не-не-не
ГД
A
А есть какой-то консенсус по поводу того, что является лучшей книгой по мышиному обучению в R? Мне только Lantz на ум приходит.
AS
Да. Там про нейронки от силы 1/5-1/4
ГД
Да, неправильно я запомнил
AS
Ну будем считать, что к консенсусу мы пришли: ISL/ESL, Applied Predictive Modelling, Lantz.