初めまして、今回は自分の知識の定着を目的としたブログになります。
統計的学習入門（An Introduction to Statistical Learning with Applications in R）を読んで、分析でのいろんなツールで何をやっているのかで、
回帰、分類、クラスタリングと次元削減の４つが主に行われているのかな。
本書で紹介されていたものをRを使って、自分で分析するところまでやりたい。つまり、実際のデータを持ってきて、問題提起、分析をして結論を出す。言語はRとPythonを使う。
３章 線形回帰、線形重回帰、K最近傍法
４章 ロジスティック回帰ー多重ー多項、線形判別分析、2時判別分析、K最近傍法
５章 リサンプリングー交差検証（ホールドアウトー１つ抜き交差ーk分割交差）、ブーストラップ
６章 線形モデル選択と正規化ー１部分集合洗濯（裁量部分集合選択ーステップワイズ法ー最小モデルの選択）２縮小推定（リッジ回帰ーLassoーチューニングパラメータの選択）３、次元削減（主成分分析ー部分最小２乗法）
８章 決定木（回帰ー分類）
９章 サポートベクターマシン
１０章 Deeplearning、ニューラルネットワーク、CNN、RNN
１３章 教師なし学習 （主成分分析ークラスタリング（K平均クラスタリングー階層的スラスタリング）
これらを、アルゴリズムの復習、注意点、実際に分析するという順番にまとめていこうと思う。
ちなみに、このブログを書いている者は、現在サンフランシスコの統計学部３年生で２３歳の男性です。
このブログの目的は、分析を自分で出来るようにしたいために、学んだもののアウトプットの場です。
なぜ分析ができるようになりたいのかというと、アメリカでデータサイエンティストとして就職したくて、そのためにまず、インターンを探したいので、そのためのポートフォリオやスキル定着にでもなればいいなということです。また、後々、英語と中国語に翻訳して、それぞれの言語のメディアに載せていこうと思う。それを老ぼれの大学３年生ではメインでやっていきたい。
指摘はいつでも大歓迎なので、ぜひメッセージしてください。
＊追記
機械学習おすすめ書籍 | 必読の１冊 『Rによる統計的学習入門(ISL)』
https://totadata.com/book_islr/
こちらのサイトがすごく参考になりそうなので、迷惑にならないようなレベルで参考にさせてもらいます！
多分、UIとか内容の質が全く格が違うから、あくまで自分の思考の生理用のブログということで、おそらく問題にはならない（なれない）ような気がします。