统计学习导论经典读后感有感

　　《统计学习导论》是一本由Gareth James / Daniela Witten / 著作，机械工业出版社出版的平装图书，本书定价：CNY 79.00，页数：290，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。

　　《统计学习导论》精选点评：

　　●匆匆过了一遍，习题没做。前半英文版后半中文版。看英语还是累。

　　●圣经的简化版

　　●比较实用

　　●作为教材的翻译版 还是不错的 易懂

　　●至少是看得懂的。。

　　●原著堪称入门统计学习的首选，理论与实践相结合的思想体现的淋漓尽致，虽然部分R代码有些过时，但不妨碍实践能力的训练。除此之外，毕竟是统计学者进行的翻译，整体来讲在专业词汇翻译方面并没有非常突出的错误，这比市面上一些搞计算机的人翻译的机器学习教材好太多了。

　　●译者在翻译的时候还是应该读的更仔细些。一些在英文版中存在的连我这个外行都能看得出来的笔误，翻译版依然存在。还有一些翻译错误，如果不是对着原版看的，估计怎么都无法释怀。

　　●岭回归中的Lambda怎么选取？有点没看懂

　　●第三章和第六章完全没推导，差评。

　　●ESL的导读版，以我的能力估计看不下ESL。中文版书中有些翻译的小问题，可以自己找出来。英文版的Errata可以在书的网站上找到。内容讲的很多，基本是机器学习那块的，传统统计学只介绍了一点点，但对于我所属专业目前状况而言，线性模型还是占领着研究分析方法的霸主地位。

　　《统计学习导论》读后感(一)：建议王星教授离机器学习远点：《统计学习导论》阅读体验报告

　　

王星说他和他的团队倾情翻译此书半年多，从他团队的统计学水平和英文水平来看，估计这本书让他们翻译10年，也翻译不出来精品。

所以，建议王星教授以后离机器学习类的英文教科书远点——别再搞翻译害人了。

水平太臭。臭不可闻。

===============

王星，3.2多元线性回归，P51，表3-4下方第一段

多元回归的结果表明商品sales与newspaper无关，而简单的线性回归得出了相反的结论，多元回归的结论是否还有意义呢？答案是肯定的。

Does it make sense for the multiple regression to suggest no relationship between sales and newspaper while the simple linear regression implies the opposite？ In fact it does.

点评：原文真正的意思：对于这种矛盾（一个说无关，一个说有关），我们能解释得通吗？

显然不是脑瘫的王星团队翻译的【多元回归的结论是否还有意义】。

==============

遍布全书的这种理解错误，只能说王星团队在统计学和英文水平上都是低能儿，也就只能忽悠忽悠统计学小白了。

　　《统计学习导论》读后感(二)：王星教授团队是如何蹂躏《统计学习导论》的？

　　

原书作者在《中文版序》中指出：此书由王星教授出版，他们感到 thrilled（极其激动和开心）。

如果原书作者懂得汉语，我想他们在看了此书以后，也许会激动而死，这书被王星团队糟蹋得太过分了。

===============

王星团队，给人感觉在机器学习和英文方面都是小白. 举一些例子，这类例子在此书中频繁出现：

第6章，6.2节，压缩估计方法

P155，倒数第二段

王星：如果g是高斯分布，均值为零，标准差为λ，那么给定数据，β后验形式最可能为岭回归得到的结果。

原文： If g is a Gaussian distribution with mean zero and standard deviation a function of λ, then it follows that the posterior mode for β—that is, the most likely value for β, given the data—is given by the ridge regression solution.

点评：黑体英文部分的意思为：β的后验众数，即，给定数据后，β最可能出现的值。

对照王星团队的翻译，可知这个团队不仅在统计学方面，在英文方面，都是小白一样的水平。

===================

这样的团队怎么敢，怎么好意思，翻译书的？

如果图个乐，翻译自己看看也就算了，关键翻译完了还拿此书卖钱，估计还用此书教学生，这实在不要脸了，太恶搞了点。

　　《统计学习导论》读后感(三)：王星教授最想毁灭的书：《统计学习导论》阅读感悟

　　

王星教授在本书《译者序》中说道：

本人多年从事统计学习、R软件的教学和科研......我和我的团队牺牲了多半年...宝贵时间，倾情专注于这本书的翻译..........这次翻译弥补了多年的缺憾，.....（翻译此书）是我和我整个团队的殊荣，相信（我们的）热忱与真诚。“

===========

如果原书四位作者懂得汉语，看王星团队翻译成这样，估计个个都会气得吐血而亡。

王星团队把这本书翻译成了一堆堆比狗屎还臭的东西，真心不信有人能够读懂。

我也相信，这是王星教授最想毁灭的书，太丢他的人了。

=============

举个例子。

王星，P27，K最近邻方法

K最近邻分类器的定义：

给一个正整数K和一个测试观测值x0，KNN分类器从识别训练集中K个最靠近x0的点集开始，用N0表示K个点的集合，然后对每个类别j分别用N0中的点估计一个分值作为条件概率的估计，这个值等于j：

Given a positive integer K and a test observation x0, the KNN classifier first identifies the K points in the training data that are closest to x0, represented by N0.It then estimates the conditional probability for class j as the fraction of oints in N0 whose response values equal j:

点评：如果不看英文和公式，谁能读懂王星教授翻译的东西？

这玩意怎么让我们这样的初学者感觉到王星团队的真诚啊？只能感觉到他们在认真地瞎搞。哎。

　　《统计学习导论》读后感(四)：王星团队=盲人组合？王星《统计学习导论》翻译批评

　　

如果图上画的是一头大象，有人说成那是针；

如果此人频繁犯类似的错误，那么我们有理由怀疑他是个瞎子。

===============

第6章，线性模型选择与正则化

P150，图6-5下面一段，第二行

王星：与右图相比，左图拟合效果更佳光滑，因此偏差下降，方差上升。

原文： Now as we move from left to right, the fits become more flexible, and so the bias decreases and the variance increases.

点评：黑体英文的意思明明是说“沿着横轴，从左到右”，王星团队硬生生地翻译为“与右图相比，左图..."。

这么简单的英文，王星团队竟然也能翻译错。如果看不懂英文，你们不会看看图吗？

===================

P151，图6-6上面一段，倒数第四行

王星：可以看到lasso首先得到一个只包含rating变量的模型，student和limit变量紧随income变量之后几乎同时进入模型。

原文： we observe that at first the lasso results in a model that contains only the rating predictor. Then student and limit enter the model almost simultaneously, shortly followed by income.

点评：黑体英文的意思很明显，指在这几个变量中，income最后进入。

再一次地，这么简单的英文，王星团队竟然也能翻译错。如果看不懂英文，你们不会看看图吗？

==============

类似的错误，频繁出现，结合本小文一开始的引言，我们可以怀疑这个团队是个瞎子团队。

　　《统计学习导论》读后感(五)：实验分层原则是个啥东西：王星《统计学习导论》翻译批评

　　

王星团队狠狠地糟蹋了《统计学习导论》，经过前面两三章的阅读，可以断定这个团队纯粹瞎搞。

对于这个团队，找个什么样的词形容最合适呢？“猪一样的队友”也行很合适，哎。

===========

3.3回归模型中的其他注意事项，P58，倒数第二段，第三行

王星：β1的估计值为9.865美元，是19.73美元的1/2，表示男性和女性之间的平均差异。

原文： The estimate for β1 would be $9.865, which is half of $19.73, the average difference between females and males.

点评：这是王星团队在翻译时犯的典型错误之一，说明这个团队的英文水平很LOW，断句都不会。

===============

3.3回归模型中的其他注意事项，P61，表3-9下面一段，第二行

王星：但在很少情况下，交互项的p值很小，而相关的主效应的p值却不然。实验分层原则（hierachical principle）规定，如果模型中含有交互项，那么即使主效应的系数的p值不显著，也应包含在模型中。

原文： However, it is sometimes the case that an interaction term has a very small p-value, but the associated main effects (in this case, TV and radio) do not. The hierarchical principle states that if we include an interaction in a model, we should also include the main effects, even if the p-values associated with their coefficients are not significant.

点评：“实验分层原则“出现得异常突兀，因为这里和实验一毛钱关系都没有。这里的hierachical principle（分层原理），最初的出处是什么？希望有高手指点。

================