统计学习理论与方法——R语言版左飞北方城

本书从统计学观点出发，以数理统计为基础，全面系统地介绍了统计机器学习的主要方法。内容涉及回归（线性回归、多项式回归、非线性回归、岭回归，以及LASSO等）、分类（感知机、逻辑回归、朴素贝叶斯、决策树、支持向量机、人工神经网络等）、聚类（K均值、EM算法、密度聚类等）、蒙特卡洛采样（拒绝采样、自适应拒绝采样、重要性采样、吉布斯采样和马尔科夫链蒙特卡洛等）、降维与流形学习（SVD、PCA和等），以及概率图模型基础等话题。此外，为方便读者自学，本书还扼要地介绍了机器学习中所需数学知识（包括概率论与数理统计，凸优化及泛函分析基础等）。本书是统计机器学习及相关课程的教学参考书，适用于高等院校人工智能、机器学习或数据挖掘等相关专业的师生研习之用，也可供从事计算机应用特别是数据科学相关专业的研发人员参考。

左飞博士，技术作家、译者。著作涉及人工智能、图像处理和编程语言等多个领域，其中两部作品的繁体版在中国台湾地区发行。同时，他还翻译出版了包括《编码》在内的多部经典著作。曾荣获“读者喜爱的IT图书作译者奖”。他撰写的技术博客（sbaimafujinji.blog.csdn./）非常受欢迎，累计拥有超过400万的访问量。

从统计学观点出发，以数理统计为基础，全面系统地介绍了机器学习的主要方法。
根据全新设计的学习路线图编写，注重夯实理论基础，更便于深化对知识点的理解，建立系统性的全局观。
对机器学习所涉及的数学基础进行了完整的解释和必要的铺垫，更便于读者对深化相关知识的理解。