书名：Sparse Modeling Theory, Algorithms, and Applications
出版社：Chapman & Hall/CRC
所属类别：Machine Learning & Pattern Recognition Series
页数：250页
格式：pdf
是否高清：高清原版
推荐理由：该书是一本讲述稀疏学习理论的书籍，属于统计学与机器学习的范畴。是最近10多年开始流行的一大类方法。是目前大数据环境下非常重要的一类方法，与深度学习，增强学习同样流行的一大类方法。那么什么是稀疏模型呢，拿回归模型举个例子，简单的说就是让部分回归系数变为0的方法，比如影响因变量y的自变量x可能有几百个或者上千个如x1，x2，x3，...x1000，我们想要寻找对y有显著影响的自变量，传统的方法是通过观察自变量回归系数的显著性水平来判断，而稀疏学习方法可以直接让所有的回归系数变为两大类，一大类是0，另一大类是非0的，非0的我们就认为对y有显著性影响，可以看出来稀疏学习让一部分稀疏变为0了，也就是达到了稀疏的效果。那么这种方法和传统方法比的独特优势是，它可以处理小N大P型数据，就是样本可能只有几十个，但是x的维度确实非常大。传统方法无法有效处理这种数据，而稀疏学习可以解决。我这里只是简单说一下大致思想，并不严谨，稀疏学习是一大类方法，涉及到机器学习的方方面面，大家可以深入学习。
我们经常看到的lasso回归就是典型的稀疏模型。具体大家可以参考这本书，还有一本稀疏学习的专著《Statistical Learning with Sparsity The Lasso and Generalizations》作者就是稀疏学习lasso理论的创立者，大家也可以拿来看看。《Sparse Modeling Theory, Algorithms, and Applications》这本书范围更加广一些。两本书都非常好。
大家如果对数据挖掘感兴趣，这本书一定要好好看看，涉及地理论也非常深。
因此真诚把这本书推荐给大家。