《统计学习基础:数据挖掘、推理与预测》介绍了这些领域的一些重要概念。尽管应用的是统计学方法，但强调的是概念，而不是数学。许多例子附以彩图。《统计学习基础:数据挖掘、推理与预测》内容广泛，从有指导的学习（预测）到无指导的学习，应有尽有。包括神经网络、支持向量机、分类树和提升等主题，是同类书籍中介绍得最全面的。计算和信息技术的飞速发展带来了医学、生物学、财经和营销等诸多领域的海量数据。理解这些数据是一种挑战，这导致了统计学领域新工具的发展，并延伸到诸如数据挖掘、机器学习和生物信息学等新领域。许多工具都具有共同的基础，但常常用不同的术语来表达。

《统计学习基础:数据挖掘、推理与预测》介绍了这些领域的一些重要概念。尽管应用的是统计学方法，但强调的是概念，而不是数学。许多例子附以彩图。《统计学习基础:数据挖掘、推理与预测》内容广泛，从有指导的学习（预测）到无指导的学习，应有尽有。包括神经网络、支持向量机、分类树和提升等主题，是同类书籍中介绍得最全面的。计算和信息技术的飞速发展带来了医学、生物学、财经和营销等诸多领域的海量数据。理解这些数据是一种挑战，这导致了统计学领域新工具的发展，并延伸到诸如数据挖掘、机器学习和生物信息学等新领域。许多工具都具有共同的基础，但常常用不同的术语来表达。

计算和信息技术的飞速发展带来了医学、生物学、财经和营销等诸多领域的海量数据。理解这些数据是一种挑战，这导致了统计学领域新工具的发展，并延伸到诸如数据挖掘、机器学习和生物信息学等新领域。许多工具都具有共同的基础，但常常用不同的术语来表达。《统计学习基础(第2版)(英文)》介绍了这些领域的一些重要概念。尽管应用的是统计学方法，但强调的是概念，而不是数学。许多例子附以彩图。《统计学习基础(第2版)(英文)》内容广泛，从有指导的学习（预测）到无指导的学习，应有尽有。包括神经网络、支持向量机、分类树和提升等主题，是同类书籍中介绍得最全面的。 《统计学习基础(第2版)(英文)》可作为高等院校相关专业本科生和研究生的教材，对于统计学相关人员、科学界和业界关注数据挖掘的人，《统计学习基础(第2版)(英文)》值得一读。

计算和信息技术的飞速发展带来了医学、生物学、财经和营销等诸多领域的海量数据。理解这些数据是一种挑战，这导致了统计学领域新工具的发展，并延伸到诸如数据挖掘、机器学习和生物信息学等新领域。许多工具都具有共同的基础，但常常用不同的术语来表达。《统计学习基础(第2版)(英文)》介绍了这些领域的一些重要概念。尽管应用的是统计学方法，但强调的是概念，而不是数学。许多例子附以彩图。《统计学习基础(第2版)(英文)》内容广泛，从有指导的学习（预测）到无指导的学习，应有尽有。包括神经网络、支持向量机、分类树和提升等主题，是同类书籍中介绍得最全面的。 《统计学习基础(第2版)(英文)》可作为高等院校相关专业本科生和研究生的教材，对于统计学相关人员、科学界和业界关注数据挖掘的人，《统计学习基础(第2版)(英文)》值得一读。

《基础统计学》历经14 版，经久不衰。该书已经作为国际版统计教材被翻译成多国文字，连续25 年在美国统计类教材中排名第一。 本书以浅显易懂的文字及贴近实际的案例，带领读者专业系统地学习统计思维和批判性思维，领略统计学的真实魅力。本书的第1~3 章着重介绍描述统计学；通过第4~6 章的概率分布逐渐过渡到第7~9 章的推断统计学；第10~15 章介绍了现代统计学中一些重要的实践方法，例如回归分析、拟合优度、方差分析、非参数检验等，读者可以根据自身的兴趣与背景学习相关内容。 本书适合任何专业背景的学生学习，也适合统计学爱好者自主学习。作者马里奥致力于不断更新基本统计数据，提供前所未有的大量最新真实数据，以便各种背景的读者了解统计数据在他们周围世界中的作用。除大量的新数据集、示例和习题之外，《基础统计学》（第14 版）的设计更加灵活，增加了专业统计学家使...(展开全部)

本书系统地讲述统计学有关数据收集、数据整理和数据分析的基本方法。全书共分为8个任务，分别是：认识统计、数据收集、数据整理与显示、数据特征的描述、抽样估计、统计指数、相关与回归分析、时间序列分析与预测。为了提高学生的实践能力，在每个任务的不同单元中，有针对性地增加了Excel的操作演示；为了让学生能够及时地检查自己的学习效果，在每个任务的单元内容后，都安排了相应的习题与实训。

《基础统计学》历经14 版，经久不衰。该书已经作为国际版统计教材被翻译成多国文字，连续25 年在美国统计类教材中排名第一。 本书以浅显易懂的文字及贴近实际的案例，带领读者专业系统地学习统计思维和批判性思维，领略统计学的真实魅力。本书的第1~3 章着重介绍描述统计学；通过第4~6 章的概率分布逐渐过渡到第7~9 章的推断统计学；第10~15 章介绍了现代统计学中一些重要的实践方法，例如回归分析、拟合优度、方差分析、非参数检验等，读者可以根据自身的兴趣与背景学习相关内容。 本书适合任何专业背景的学生学习，也适合统计学爱好者自主学习。作者马里奥致力于不断更新基本统计数据，提供前所未有的大量最新真实数据，以便各种背景的读者了解统计数据在他们周围世界中的作用。除大量的新数据集、示例和习题之外，《基础统计学》（第14 版）的设计更加灵活，增加了专业统计学家使...(展开全部)

通过做数据分析学习数据分析 《数据挖掘与预测分析(第2版)》提供了从数据准备到探索性数据分析、数据建模及模型评估等整个数据分析过程的内容。《数据挖掘与预测分析(第2版)》不仅提供了理解软件底层算法的“白盒”方法，而且提供了能够使读者利用现实世界数据集开展数据挖掘与预测分析的应用方法。 第2版的新内容： ● 添加了500多页的新内容，包括20个新章节，例如，数据建模准备、成本-效益分析、缺失数据填充、聚类优劣度量以及细分模型等。 ● 针对前沿主题的新章节，例如，多元分类模型、BIRCH聚类、集成学习(bagging及boosting)、模型投票与趋向平均等。 ● 每章节后均附有R语言开发园地，读者可以获得完成书中分析所需的R语言源代码，以及通过R代码生成的图、表和结果。 ● 书中的附录为那些对统计基础生疏的读者提供了了解基本概念的材料。 ● 超过750...(展开全部)

本书结合作者多年的教学实践经验和国外优秀统计学教材的成果编写而成。内容包括描述统计方法、推断统计方法以及工商管理中常用的一些统计方法。在写法上与计算机紧密结合，大部分统计方法都给出了Excel的计算过程和结果，并在书后配有教学和学习辅助光盘，方便教师授课和学生自学。 本书可作为高等院校经济、管理类各专业本科生统计学课程的教材，也可作为MBA的教材或参考书，对广大实际工作者也极具参考价值。

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。