书籍介绍
三位统计学家高屋建瓴，面向非统计专业的读者介绍重要的统计学概念，而非纯数学理论
借助于一个通用概念框架，描述多个学科的重要思想，比如医学、生物学、金融学和营销
《统计学习要素》（第2版）包含人工智能中用到的许多代表性主题，比如图模型、随机森林、集成方法、Lasso最小角度回归和路径算法、非负矩阵分解和频谱聚类。此外，还用一章篇幅来介绍“宽”数据（p大于n）的方法，包括多次测试和误检率。
对统计领域、人工智能领域及相关科学或行业领域内的读者而言，本书是一个难得的宝库，涉及面很广，从监督学习（预测）到无监督学习，具体主题包括神经网络、支持向量机、分类树和Boosting（率先对该主题进行综合论述）。与此同时，书中还包含丰富的示例和大量彩色的图表。
作者简介
斯坦福大学统计学教授。三人是该领域的杰出研究人员。哈斯蒂在新泽西州的AT＆T贝尔实验室以技术人员身份工作9年之后，于1994年8月加入斯坦福大学任教。哈斯蒂用S-PLUS写了许多统计建模软件，并发明了主要曲线和曲面。他和提布施拉尼共同开发了广义加性模型并写了这一主题的热门书。提布施拉尼提出了Lasso，参与创作了《Bootstrap概论》，这本书取得了相当大的成功。弗雷曼是许多数据挖掘工具的共同发明人，包括CART、MARS、投影追踪和梯度Boosting。
译者简介
张军平
复旦大学计算机科学技术学院教授，博导，主要研究方向是人工智能、机器学习、生物认证和智能交通。曾经主持多个国家级项目。他是人工智能著名期刊 IEEE Intelligent Systems 编委，担任《软件学报》和《自动化学报》等国内权威期刊责任编辑。他是中国自动化学会...
目录
用户评论
书本身当然是好书，一分只针对翻译，译者似乎缺乏基本的英语功底，也不了解数学和统计学专著的文法习惯，翻译错误比比皆是，且对大量名词望文生义，如将上下文中表示“组成部分”的component错译成数学上的“分量”，将表示“分组”的group错译成数学上的“群”
听说第二版没有评论，特来支持
一分给排版和纸质，本书翻译完全就是字面翻译，完全辜负了原作者在思想上的连通性，读起来更加不知所云，更不用说达到翻译信达雅的境界。很多语言用中文去理解完全无法读通，读中文基本上可以猜出英文原话，故最终还是看回了原版。。但有一个好，对于接触英文学术较少的小白，各专业术语都能对应，对学习还是有所帮助。更类似于词典的感觉吧。