本书介绍了一些重要的建模和预测技术以及相关应用，涵盖以下主题：线性回归、分类、重采样方法、收缩方法、基于树的方法、支持向量机、聚类、深度学习、生存分析、多重测试等。书中每一章都包含一个教程，通过图形和实例介绍如何实现R语言提供的分析方法。本书还提供了关于深度学习、生存分析和多重测试的新章节，以及朴素贝叶斯、广义线性模型、贝叶斯加性回归树和矩阵补全的扩展内容，并对R代码进行了全面更新。本书旨在帮助科学、工业和其他领域的从业人员学习和应用这些统计学习技术。

《统计学习导论:基于R应用》读者对象是那些希望运用统计学习前沿技术分析数据的人士，既包括统计学专业的师生，也包括非统计学专业的从业者。

本书介绍了一些重要的建模和预测技术以及相关应用，涵盖以下主题：线性回归、分类、重采样方法、收缩方法、基于树的方法、支持向量机、聚类、深度学习、生存分析、多重测试等。书中每一章都包含一个教程，通过图形和实例介绍如何实现R语言提供的分析方法。本书还提供了关于深度学习、生存分析和多重测试的新章节，以及朴素贝叶斯、广义线性模型、贝叶斯加性回归树和矩阵补全的扩展内容，并对R代码进行了全面更新。本书旨在帮助科学、工业和其他领域的从业人员学习和应用这些统计学习技术。

《统计学习导论:基于R应用》读者对象是那些希望运用统计学习前沿技术分析数据的人士，既包括统计学专业的师生，也包括非统计学专业的从业者。

本书是一本基于R实现全部例题计算与分析的统计学教材，书中例题的解答给出了R的详细程序和结果。全书内容共11章，包括数据的描述性分析方法、推断方法以及实际中常用的一些统计方法等。每章均以一个实际问题入手引入本章要介绍的内容，在写法上完全立足于统计应用，避免统计公式的推导，力求通俗易懂。 本书可作为高等院校经济管理类专业本科生统计学课程的教材使用，也可作为其他文科专业及部分理、工、农、林、医、药专业的教材或参考书，对广大实际工作者也极具参考价值。

这本教材，迎合了信息化时代的特点，旨在从实际统计软件操作出发，提高同学在应用和分析能力。编者希望同学们通过本教材的学习掌握多种统计学分析方法，并会运用软件更科学更有效地分析、解释各种现象，进而可以用所学的方法解决实际问题，学以致用。这些方法涵盖了统计学主要的知识领域，包括描述统计、参数估计、假定检验、方差分析、回归等。编者更希望同学在信息爆炸的未来掌握信息数据筛选、处理、分析、凝练的手段，让这些信息数据“为我所用”，通过信息的分析辨认真伪，明晓世理，避免在信息浪潮中随波逐流，迷茫失措。

1.统计方法与R软件的有机结合。本书是一本基于R语言实现全部例题计算和分析的统计学教材，内容包括数据的描述性分析方法、推断方法以及常用的一些统计方法等，附录介绍了自助法置信区间的原理和应用。例题解答给出了详细的R代码，并列有必要的注释，对R的输出结果做了详尽解读。2.注重统计方法应用，避免方法的数学推导。侧重于对统计方法思想和原理的介绍，并结合实际数据和案例讲述统计方法的应用，避免统计公式的推导，侧重于方法的R实现及其结果的解读，力求通俗易懂。3.完善的教学和学习资源。为方便教学和学习，全书配有详细的教学大纲（含思政建设内容）、详细的R代码脚本、教学和学习用ppt（课件）、例题和练习题数据、习题答案等。

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。

贾俊平，中国人民大学统计学院副教授。研究方向：统计方法在经济各领域的应用、统计教学方式和方法。主要著作有：《统计学》、《描述统计》、《工商管理统计》、《市场调查与分析》等。主持研究的“非统计学专业本科公共基础课——统计学教学改革”项目获2001年国家级教学成果二等奖、2001年北京市教学成果一等然。2001年荣获北京市经济技术创新标兵称号，2003年荣获宝纲优秀教师奖等。

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。