詹姆斯，加雷斯；丹妮拉·维滕；特雷弗·哈斯蒂；罗伯特·提比拉尼 统计学学习导论。应用程序在R中。第二版。 （英语） Zbl 1469.62002号 统计中的Springer文本纽约州纽约市：施普林格出版社（ISBN 978-1-0716-1417-4/hbk；978-1-0616-1420-4/pbk；978-1-0716-1418-1/电子书）。xv，607页。(2021). 出版商描述：《统计学习导论》提供了统计学习领域的一个可访问的概述，这是一个重要的工具集，用于理解过去二十年来在生物学、金融、市场营销和天体物理学等领域出现的庞大而复杂的数据集。本书介绍了一些最重要的建模和预测技术，以及相关应用。主题包括线性回归、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。使用彩色图形和真实世界示例来说明所提出的方法。由于本教材的目标是促进科学、工业和其他领域的从业者使用这些统计学习技术，因此每章都包含一个关于实现R（一个非常流行的开放源码统计软件平台）中的分析和方法的教程。两位作者合著[T.哈斯蒂等，《统计学习的要素》。数据挖掘、推理和预测。第二版。纽约州纽约市：Springer（2009；Zbl 1273.62005年)第1版（2001年；Zbl 0973.62007号)]这是一本受欢迎的统计和机器学习研究人员参考书。《统计学习导论》涵盖了许多相同的主题，但在一个更广泛的受众可以访问的层次上。本书面向希望使用尖端统计学习技术分析数据的统计学家和非统计学家。本文假设只上过线性回归课程，没有矩阵代数知识。第二版以深度学习、生存分析和多重测试为新章节，以及对天真贝叶斯、广义线性模型、贝叶斯加性回归树和矩阵完备的扩展处理。R代码已全部更新，以确保兼容性。参见第一版的评论[Zbl 1281.62147号]. 引用于14文件 MSC公司： 62-01 与统计有关的介绍性说明（教科书、辅导论文等） 62C99个 统计决策理论 68T05型 人工智能中的学习和自适应系统 关键词：线性回归；分类；逻辑回归；线性鉴别分析；重采样方法；交叉验证；自举；收缩法；降维方法；多项式回归；回归样条曲线；决策树；随机森林；装袋；增压；支持向量机；无监督学习；主成分分析；群集 引文：Zbl 1281.62147号；Zbl 1273.62005年；Zbl 0973.62007号 软件：伊斯兰解放军；R（右） PDF格式BibTeX公司 XML格式引用 \textit{G.James}等人，《统计学习导论》。在R.2版中有应用。纽约州纽约市：施普林格（2021；Zbl 1469.62002） 全文： 内政部