An Introduction to Statistical Learning: with Applications in Python（統計學習導論：Python 應用）

引用

James, G., Witten, D., Hastie, T., Tibshirani, R., & Taylor, J. (2023). An Introduction to Statistical Learning: with Applications in Python. Springer (Springer Texts in Statistics).

章節概要

Python 版（ISLP）約600頁，共十三章。它承接 R 版（ISLR）第二版（2021），R 版第一版於2013年出版；本版在原本四位作者之外，加入了 Jonathan Taylor。作者將本書定位為寫給所有想使用現代資料分析工具者的、涵蓋面廣且技術性較低的統計學習論述。除導論外，每章都以一個 Python 實作（lab）作結，作者開發的 ISLP 套件提供實作所需的資料集與輔助函式。edX 上提供附影片講座的配套課程。

第1章：Introduction（導論）

全書開頭的十三頁導論；與其他各章不同，本章沒有實作。

第2章：Statistical Learning（統計學習）

約五十頁，說明什麼是統計學習，以及後續各章使用的架構。實作是 Python 入門，內容包括 NumPy 陣列、索引、用 pandas 讀入資料、繪圖與迴圈。

第3章：Linear Regression（線性迴歸）

以約六十五頁深入討論迴歸；實作配適簡單線性迴歸與複線性迴歸，檢查配適度，並加入交互作用項、預測變數的非線性轉換與質性預測變數。

第4章：Classification（分類）

邏輯斯迴歸、線性與二次判別分析、單純貝氏與K最近鄰，以股市資料加以比較；實作也對共享單車的使用次數配適線性迴歸與卜瓦松迴歸。

第5章：Resampling Methods（重抽樣方法）

驗證集方法、交叉驗證與拔靴法，用來估計測試誤差與估計量的變異。

第6章：Linear Model Selection and Regularization（線性模型選擇與正則化）

最佳子集選擇與逐步選擇、脊迴歸與 lasso，以及降維方法（主成分迴歸與偏最小平方），並以交叉驗證在模型之間做選擇。

第7章：Moving Beyond Linearity（超越線性）

多項式迴歸、階梯函數、樣條、平滑樣條、局部迴歸與廣義加成模型。

第8章：Tree-Based Methods（樹狀方法）

分類樹與迴歸樹、裝袋法、隨機森林、提升法與貝氏加成迴歸樹。

第9章：Support Vector Machines（支援向量機）

支援向量分類器與支援向量機、ROC 曲線、多類別問題，以及在基因表現資料上的應用。

第10章：Deep Learning（深度學習）

單層與多層網路、用於影像的卷積網路、文件分類，以及用於序列的遞迴網路。實作使用 PyTorch（搭配 PyTorch Lightning），處理 Hitters、MNIST、CIFAR-100 與 IMDb 資料，把神經網路與 lasso 比較，使用預訓練的卷積網路，並配適時間序列模型。

第11章：Survival Analysis and Censored Data（存活分析與設限資料）

處理帶有設限的事件發生時間資料的方法，實作將其應用於腦癌、論文發表時間與客服中心資料。

第12章：Unsupervised Learning（非監督式學習）

主成分分析、矩陣補全，以及 K 平均法與階層式分群，以 NCI60 癌細胞株資料為例。

第13章：Multiple Testing（多重檢定）

同時檢定大量假設的問題：假設檢定回顧、族系誤差率、錯誤發現率，以及一種重抽樣方法。

核心概念

第1–5章：基礎

• 統計學習：一組用來建模與理解預測變數和反應變數之間關係的工具，也就是第2章闡述的架構。
• 線性迴歸的延伸：在線性模型中加入交互作用項、轉換後的預測變數與質性預測變數。
• 分類方法：針對類別型結果的邏輯斯迴歸、判別分析、單純貝氏與K最近鄰。
• 交叉驗證與拔靴法：以重抽樣估計測試誤差與估計量的不確定性。

第6–9章：超越最小平方法

• 正則化：縮減係數（脊迴歸、lasso）以改善預測；lasso 還能進行變數選擇。
• 樣條與廣義加成模型：在保有可解釋性的同時進行彈性的非線性配適。
• 樹的集成：裝袋法、隨機森林與提升法結合許多棵樹以提高準確度。
• 支援向量機：以分隔超平面與核函數為基礎的分類器。

第10–13章：現代主題

• 神經網路：包括卷積網路與遞迴網路在內的分層模型，以梯度為基礎的訓練來配適。
• 設限：事件發生時間未被完整觀測，以存活分析方法處理。
• 主成分與分群：在沒有結果變數的資料中找出結構。
• 錯誤發現率：控制被拒絕的假設中偽陽性所占比例的期望值。

評析

優點

• 不需高深數學即可入門。 作者的目標是為所有使用現代資料分析工具的人，提供涵蓋面廣、技術性較低的論述。本書網站引用的《Journal of the American Statistical Association》對 R 版的書評，稱其寫得好、容易閱讀，既適合大學生，也適合定量背景較弱的研究生與實務工作者。
• 每章都有實作。 每章的 Python 實作都在真實資料集上演練方法，從線性迴歸一路到以 PyTorch 進行深度學習，讓讀者學會運用所讀內容。ISLP 套件及其線上文件讓資料集與輔助函式很容易安裝。
• 涵蓋廣且內容新。 除了古典方法，書中還涵蓋深度學習、存活分析、矩陣補全、貝氏加成迴歸樹與多重檢定。
• 免費資源。 作者在 statlearning.com 提供各版的免費 PDF，edX 上附影片講座的配套課程涵蓋所有章節。
• 與 R 版課程共享概念核心。 Python 與 R 兩門配套課程共用各章講座，主要差別在於計算實作部分（見下文的作者配套課程）。

局限

• 理論較少。 作為一本刻意降低技術性的論述，本書不提供完整推導。本書網站上一位卡內基美隆大學統計學家的推薦文表示，本書受到 Hastie、Tibshirani 與 Friedman 的《The Elements of Statistical Learning》啟發；想學背後的數學，應去讀那本技術性更高的書。
• 偏重統計而非資訊科學。 重點在於從統計觀點討論迴歸、分類與重抽樣。強化學習、大規模最佳化或機器學習系統工程等主題，不在本書範圍內。
• 軟體會變動。 實作依賴特定版本的 Python 套件（文件列出了套件版本），隨著函式庫更新，程式碼可能需要調整。

在課程中的定位

ISLP 是本課程進入機器學習的入口。Melanie Mitchell 的《Artificial Intelligence: A Guide for Thinking Humans》以非技術性的方式說明當前人工智慧能做與不能做的事，在概念層次解釋神經網路與深度學習，適合作為配套讀物。Kevin Murphy 的《Probabilistic Machine Learning: An Introduction》透過機率建模與貝氏決策理論處理相近的內容，數學要求高得多，是讀完 ISLP 後自然的下一步。

Russell 與 Norvig 的《Artificial Intelligence: A Modern Approach》是人工智慧的綜合概論，從搜尋、邏輯到規劃、學習、語言與機器人，機器學習只是其中一部分；在這類課程的統計學習部分，ISLP 能提供深入得多的實務訓練。Szeliski 的《Computer Vision: Algorithms and Applications》是一本專門教科書，ISLP 第10章關於卷積網路的內容，是學習其深度學習部分的有用準備。

如何使用本書

本書適合大學高年級學生、統計以外科系的研究生，以及具備基礎統計與些許 Python 的實務工作者。

實用的閱讀計畫：

• 核心順序： 第2–6章構成基礎（統計學習架構、迴歸、分類、重抽樣與正則化），應依序閱讀。
• 之後依興趣選讀： 非線性方法、樹與支援向量機讀第7–9章；深度學習讀第10章；非監督式學習讀第12章。第11章與第13章適合生物統計、醫學，或任何需要同時進行大量檢定的領域的讀者。
• 做完每一個實作。 讀完一章後，在筆記本中執行該章實作，再用 ISLP 套件中的另一個資料集重做分析。
• 利用線上課程觀看影片講座，並查看勘誤頁面。

讀完 ISLP 後想學習理論的讀者，應繼續閱讀數學性更強的教科書。

作者的配套課程

Stanford Online 的 Statistical Learning with Python（SOHS-YSTATSLEARNINGP，史丹佛人文與科學學院）提供一條有系統的學習途徑。這是一門完全線上、隨選觀看的 edX 課程，而非校內實體課，頁面也未列出開課學期。本書是這門線上課程的配套教材。講座涵蓋2023年 Python 版的全部內容，包括迴歸與分類、重抽樣、正則化、非線性方法、樹、支援向量機、深度學習、存活模型、多重檢定，以及部分非監督式方法；課程沒有公布對應的章節編號、頁碼範圍或每週閱讀進度。

課程中的計算全部以 Python 進行，教學單元從 Python 基礎逐步推進到各章方法的實作，與本書從第2章 Python 實作開始的進程相互對應。課程頁面沒有列出正式的先修條件，本頁開頭列出的先備知識可作為準備參考。

作者另有一門平行的 R 課程，對應 R 版第二版；兩門課共用各章講座，但計算實作部分依語言而不同。以 R 學習的讀者可以觀看同樣的講座，但應搭配 R 版第二版的實作，而非 ISLP 的實作。

若要結合課程與本書：先看某一章的講座，再讀 ISLP 對應章節，接著自己完成 Python 實作，最後才觀看課程的計算實作單元。

聚焦閱讀與版本界線

以下試做使用本站配套指南的原創題，請先開啟題目，核對條件和資料。

閱讀路線： 在2023年 Python 版中，依序讀統計學習、分類與重抽樣方法，再讀模型選擇討論的部分內容。

繼續前試做： 為同一重複裝置表寫兩種驗證問題，各選劃分單位。檢查標準： 留一行不等於留出產生它的裝置。

版本與存取： 本頁列出的版本（Springer，2023，ISBN 9783031387463）即 Python 版，也就是上述 Stanford Online 課程所涵蓋的同一本書，與 R 版不同。作者網站將它與 R 版第一版（2013）及第二版（2021）分開列出，且未給予版次編號，因此請引用為2023年 Python 版。作者提供免費 PDF；執行實作筆記本時，留意文件列出的套件版本。

Springer 書籍頁面