The Elements of Statistical Learning : Data Mining, Inference, and Prediction, deuxième édition

Ce livre décrit les idées importantes dans une variété de domaines tels que la médecine, la biologie, la finance et le marketing dans un cadre conceptuel commun. Bien que l'approche soit statistique, l'accent est mis sur les concepts plutôt que sur les mathématiques. De nombreux exemples sont donnés, avec une utilisation généreuse de graphiques en couleur. C'est une ressource précieuse pour les statisticiens et toute personne intéressée par l'exploration de données dans la science ou l'industrie. La couverture du livre est large, de l'apprentissage supervisé (prédiction) à l'apprentissage non supervisé. Les nombreux sujets incluent les réseaux neuronaux, les machines à vecteurs de support, les arbres de classification et le boosting --- le premier traitement complet de ce sujet dans un livre.

Cette nouvelle édition majeure présente de nombreux sujets non couverts dans l'original, y compris les modèles graphiques, les forêts aléatoires, les méthodes d'ensemble, la régression par angle minimal et les algorithmes de chemin pour le lasso, la factorisation de matrices non négatives et le clustering spectral. Il y a aussi un chapitre sur les méthodes pour les données "larges" (p plus grand que n), y compris les tests multiples et les taux de fausse découverte.