ISLR读书笔记1：开场白

写书之人，开篇之章，总会说之为“前言”或者“绪论”或者“导读”！

ISLR的第一章：Introduction，小编看作为书籍的“开场白”吧。

让我们一起来思考这些问题！

第一个问题：统计学习是什么？

统计学习是什么？摘录原文如下：

Statistical learning refers to a vast set of tools for understanding data. These tools can be classified as supervised or unsupervised.

统计学习有大量工具来理解数据，这些工具可以分为有监督的和无监督的。
这个工具可指统计学习里面的各种原理、方法、算法或者模型等。

第二个问题：如何理解数据集？

通过三个典型的数据集，说明统计学习所要解决的问题和主要任务。

1 Wage Data 工资数据

可视化效果

结论：
1 左图，wage到60岁之前，随着年龄的增加而增加，60岁之后逐渐下降（60岁是个分界线）
2 中图，wage随着year平稳增长，可以一定程度地反映每年经济的水平
3 右图，wage与学历层次之间的关系，学历越高，工资越高（努力提升自己，才是王道哦）

思考：Wage Data的可视化如何使用R语言实现？

2 Stock Market Data 股票市场数据

可视化效果

股票市场数据效果图，你能够发现什么知识？

3 Gene Expression Data 基因表达数据

可视化效果

基因表达数据效果图，你能够发现什么模式？这类问题可以利用统计学习什么方法来解决？

第三个问题：统计学习的发展史？

1. 19世纪初期，Legendre and Gauss发布method of least squares，应用到线性回归问题；

2. 1936年，Fisher提出LDA（linear discriminant analysis）算法；

3. 1940年，LR（logistic regression）算法出现和开始应用；

4. 1970年初，Nelder and Wedderburn提出generalized linear models；

5. 1980年，Breiman, Friedman, Olshen and Stone提出CART（classification and
   regression trees）算法；

6. 1986年，Hastie and Tibshirani（本书作者）提出generalized additive
   models；

7. 由于机器学习和其他领域的发展，统计学习也得到更大发展和应用。

第四个问题：为什么有这本书？

1 Many statistical learning methods are relevant and useful in a wide
range of academic and non-academic disciplines, beyond just the statistical
sciences.

许多统计学习方法在学术科学和非学术科学的广泛范围里都是相同的和有用的，统计学习以及远超越统计科学。

2 Statistical learning should not be viewed as a series of black boxes.

统计学习不应该视为一系列黑盒子。换句话说，我们有必要弄清楚“黑盒子”里面的原理和运作方式，然后根据自己的业务问题，选取合适和有效的方法进行解答。

3 While it is important to know what job is performed by each cog, it
is not necessary to have the skills to construct the machine inside the box!

知道黑盒子里每个模块做什么工作是重要的，但没必要拥有构建盒子内部机理的技能，当然你具有这种技能，那会锦上添花。实际上，已经有很多优秀的人给我们打造了很多的“轮子”，我们只需要站在“巨人的肩膀”上面行走世界！

4 We presume that the reader is interested in applying statistical learning methods to real-world problems.

我们假设阅读者对应用统计学习解决实际问题是感兴趣的，或者说，一直思考着，并且努力践行着【统计学习的应用】

第五个问题：这本书适合谁？

这本书适合想利用统计学习方法从数据中学习和进行预测的任何人！

简单地说，
你想从数据中学习吗？
你想理解数据吗？
你想利用从数据中发现的知识、模式、规律等进行对未知世界的预测吗？
你想发现和利用数据蕴藏的价值吗？
你想进行数据变现吗？
你想用数据来赚钱吗？
……
若是其中有一个答案是Yes，那就赶快开始阅读吧，并且付诸实践！

第六个问题：阅读这本书需要一些什么基础？

这本书是一本通俗易懂的书籍，强烈推荐约读英文版。
请不要说看不懂，
请不要说对英文陌生，
请不要说看到数学公式就发晕，
请不要说见到代码就恐慌或者无趣
……
若是其中有一个情形命中了，那绝对是“借口”，请赶快“Kill”它。

当然，
若是你懂一些矩阵的知识，
若是你了解一些统计学的基本知识，
若是你了解某一门编程语言，
若是你对新事物充满着强烈地好奇心和自我驱动力
……
在阅读这本书的过程中，你会感受到一种美的享受，赶快把自己的时间和生命耗费在这美好的事物上面。

总之，只要你想学习，并且能够坚持，所有的问题都不会是问题了。
你也可以找一些志同道合的朋友，大家结伴学习、交流和精进。
小编的微信：luqin360，欢迎添加，一起来学习，努力把统计学习应用到实际问题中去创造价值。

上述六个问题，当做ISLR读书笔记的开场白。

参考资料：

1 ISLR书籍第一章：Introduction
2 Matrix基本知识：https://en.wikipedia.org/wiki/Matrix_(mathematics)
3 Statistics基本知识：https://en.wikipedia.org/wiki/Statistics

【温馨提示】：因为微信公众号不支持外链，请大家点击【阅读原文】，进入【数据人网】获取更多有价值的信息。

大家可以在数据人网注册，然后写文章记录自己学习或者应用数据的历程。

您在阅读中，有什么建议或者想法，请留言。

如果您觉得本文有收获，请小额赞赏，让我有动力继续写出高质量的文章。

数据人网是数据人学习、交流和分享的平台http://shujuren.org 。专注于从数据中学习。
平台的理念：人人投稿，知识共享；人人分析，洞见驱动；智慧聚合，普惠人人。
您在数据人网平台，可以1）学习数据知识；2）创建数据博客；3）认识数据朋友；4）寻找数据工作；5）找到其它与数据相关的干货。
我们努力坚持做原创，分享和传播有价值的数据知识！
我们都是数据人，数据是有价值的，坚定不移地利用数据价值创造价值！

可以转载，严禁修改，请务必注明出自数据人网和原文链接