統(tǒng)計學習要素：機器學習中的數(shù)據(jù)挖掘、推斷與預(yù)測（第2版）

　　《統(tǒng)計學習要素：機器學習中的數(shù)據(jù)挖掘、推斷與預(yù)測（第2版）》在一個通用的概念框架中描述通用于數(shù)據(jù)挖掘、機器學習和生物信息學等領(lǐng)域的重要思想和概念。這些統(tǒng)計學范疇下的概念是人工智能與機器學習的基礎(chǔ)。全書共18 章，主題包括監(jiān)督學習、回歸的線性方法、分類的線性方法、基展開和正則化、核光滑方法、模型評估和選擇、模型推斷和平均、加性模型、樹和相關(guān)方法、Boosting 和加性樹、神經(jīng)網(wǎng)絡(luò)、支持向量機和柔性判斷、原型方法和最近鄰、非監(jiān)督學習、隨機森林、集成學習、無向圖模型和高維問題等。 《統(tǒng)計學習要素：機器學習中的數(shù)據(jù)挖掘、推斷與預(yù)測（第2版）》主題全面，是一本經(jīng)典的統(tǒng)計學習教材，適合本科高年級學生和研究生使用和參考。

　　斯坦福大學統(tǒng)計學教授。三人是該領(lǐng)域的杰出研究人員。哈斯蒂在新澤西州的AT＆T貝爾實驗室以技術(shù)人員身份工作9年之后，于1994年8月加入斯坦福大學任教。哈斯蒂用S-PLUS寫了許多統(tǒng)計建模軟件，并發(fā)明了主要曲線和曲面。他和提布施拉尼共同開發(fā)了廣義加性模型并寫了這一主題的熱門書。提布施拉尼提出了Lasso，參與創(chuàng)作了《Bootstrap概論》，這本書取得了相當大的成功。弗雷曼是許多數(shù)據(jù)挖掘工具的共同發(fā)明人，包括CART、MARS、投影追蹤和梯度Boosting。譯者簡介 張軍平 復(fù)旦大學計算機科學技術(shù)學院教授，博導(dǎo)，主要研究方向是人工智能、機器學習、生物認證和智能交通。曾經(jīng)主持多個國j級項目。他是人工智能著名期刊 IEEE Intelligent Systems 編委，擔任《軟件學報》和《自動化學報》等國內(nèi)權(quán)威期刊責任編輯。他是中國自動化學會混合智能專業(yè)委員會副主任。他在人工智能及相關(guān)專業(yè)領(lǐng)域發(fā)表了100余篇論文，包括 IEEE TPAMI，TNNLS，ToC，TAC和TITS等期刊以及ICML， AAAI和 ECCV等國際會議上。他的人工智能科普暢銷書《愛犯錯的智能體》榮獲了2019年中國自動化學會科普獎。2020年中國科普作家協(xié)會第六屆優(yōu)秀作品獎（中國科普創(chuàng)作領(lǐng)域z高獎）金獎以及2020年第十屆吳文俊人工智能科技進步獎（科普項目）。