返回资源列表

statlearning.com · Gareth James · Daniela Witten · Trevor Hastie · Robert Tibshirani · Jonathan Taylor

An Introduction to Statistical Learning with Applications in Python

理解回归、分类和模型评估，并结合 Python 章节实验练习。

打开官方课程
难度
见前置条件
形式
书籍
语言
英文
规模
13 个课节
内容费用
免费
动手
需要动手环境

学完你能

  • 理解回归、分类和模型评估，并结合 Python 章节实验练习。

适合你吗

适合

希望系统学习统计学习、愿意结合数学和 Python 实验的学习者

暂不适合

不适合作为零基础 Python 教程；不是深度学习工程专项课

需要先会

基础统计、代数；做实验需 Python 基础（本站建议）

课程特点

内容侧重
侧重实践应用
练习与项目
每章末有 Lab（官方笔记本在 ISLP_labs 仓库）和概念题、应用题两类习题，全部公开，无提交与评分；官方不提供完整习题答案。第 10 章深度学习 lab 需要 PyTorch，CPU 可运行但较慢。
学习时长
13 个课节原站未给出统一学习时长；实际用时取决于已有基础。
内容费用
免费官网提供免费 PDF；纸质书另外购买，未核验售价

内容覆盖

  • 回归与分类
  • 重采样与正则化
  • 树模型
  • 无监督学习

来源与使用须知

原始资源
statlearning.com 收录版本：Python 版（2023）；官网提供 PDF 与实验材料
收录时间
本站首次收录 2026-10-10

版权与转载

  • BSD-2-Clause：代码可自由使用和修改，需保留版权声明；适用范围以原站说明为准，第三方材料可能另有条款。原站说明
  • 其余材料未标明许可：仅供个人学习，转载、修改或商用前请先联系原作者。
  • 本站只提供原始链接和学习指南，不转载、不镜像课程材料；课程图像来自原站，版权与商标归原权利人；引用时请注明原作者与出处。