【2020新书】监督机器学习，156页pdf，剑桥大学出版社

这本书来自统计学习课程，这是一门统计机器学习的入门课程，面向具有一些微积分、线性代数和统计学背景的学生。这门课程的重点是监督学习：分类和回归。本课程将涵盖机器学习和数据科学中使用的一系列方法，包括:

• 线性回归(包括岭回归和Lasso)
• 通过logistic回归和k近邻进行分类
• 线性和二次判别分析
• 回归和分类树(包括套袋林和随机林)
• Boosting
• 神经网络和深度学习

这些方法将在整个课程中被研究并应用于来自各种应用的真实数据。课程还涵盖了一些重要的实际问题，如交叉验证、模型选择和偏方差权衡。课程包括理论(例如，推导和证明)以及实践(特别是实验室和小型项目)。实际部分将使用Python实现。