●中文版序
●譯者序
●前言
●第1章導論
●1.1統計學習概述
●1.2統計學習簡史
●1.3關於這本書
●1.4這本書適用的讀者群
●1.5記號與簡單的矩陣代數
●1.6本書的內容安排
●1.7用於實驗和習題的數據集
●1.8本書網站
●1.9致謝
●第2章統計學習
●2.1什麼是統計學習
●2.2評價模型精度
●2.3實驗：R語言簡介
●2.4習題
●第3章線性回歸
●3.1簡單線性回歸
●部分目錄

《統計學習導論:基於R應用》是一本統計學習方法的概要書，提供了理解大數據和復雜數據必不可少的工具，數據來自近20年來生物學、金融學、市場營銷學和天體物理學等領域。書中介紹了一些重要的建模方法和預測技術以及它們的相關應用。內容涉及線性回歸、分類、再抽樣方法、壓縮方法、樹方法、聚類、支持向量機等。書中使用大量案例來闡釋相關方法，每章都有如何在R中實現所述方法的指導實驗。

(美)加雷斯·詹姆斯(Gareth James) 等 著;王星 等 譯 著

前言統計學習是一套以復雜數據建模和數據理解為目的的工具集，是近期纔發展起來的統計學的一個新領域，它與計算機科學特別是其中的機器學習相互融合、協同發展。統計學習領域涵蓋了許多方法，比如說lasso回歸、稀疏回歸、分類和回歸樹、提升法和支持向量機。 隨著“大數據”問題的爆炸式增長，統計學習已成為許多科學領域及市場研究、金融學等商科領域一個非常熱門的話題，擁有統計學習技能的人纔千金難求。 統計學習領域開山之作之一——《統計學習基礎》(The Elements of Statistical Learning，ESL)(作者Hastie, Tibshirani, Friedman)於2001年出版，第2版於2009年問世。現在，ESL已成為統計學界乃至其他相關領域的一本非常受歡迎的教材，其中一個原因是ESL的風格平實，易於接受。但事實上，ESL是為受過數學科學高等訓練的人而寫的。這本等