本書從統(tǒng)計學(xué)觀點出發(fā)，以數(shù)理統(tǒng)計為基礎(chǔ)，全面系統(tǒng)地介紹了統(tǒng)計機器學(xué)習(xí)的主要方法。內(nèi)容涉及回歸（線性回歸、多項式回歸、非線性回歸、嶺回歸，以及LASSO等）、分類（感知機、邏輯回歸、樸素貝葉斯、決策樹、支持向量機、人工神經(jīng)網(wǎng)絡(luò)等）、聚類（K均值、EM算法、密度聚類等）、蒙特卡洛采樣（拒絕采樣、自適應(yīng)拒絕采樣、重要性采樣、吉布斯采樣和馬爾科夫鏈蒙特卡洛等）、降維與流形學(xué)習(xí)（SVD、PCA和MDS等），以及概率圖模型基礎(chǔ)等話題。此外，為方便讀者自學(xué)，本書還扼要地介紹了機器學(xué)習(xí)中所必備的數(shù)學(xué)知識（包括概率論與數(shù)理統(tǒng)計、凸優(yōu)化及泛函分析基礎(chǔ)等）。
本書是統(tǒng)計機器學(xué)習(xí)及相關(guān)課程的教學(xué)參考書，適用于高等院校人工智能、機器學(xué)習(xí)或數(shù)據(jù)挖掘等相關(guān)專業(yè)的師生研習(xí)之用，也可供從事計算機應(yīng)用，特別是數(shù)據(jù)科學(xué)相關(guān)專業(yè)的研發(fā)人員參考。