《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。

第一章 绪论

第二章 有指导学习概述

第三章 回归的线性方法

第四章 分类的线性方法

第五章 基展开与正则化

第六章 核方法

第七章 模型评估与选择

第八章 模型推理和平均

第九章 加法模型、树和相关方法

第十章 提升和加法树

第十一章 神经网络

第十二章 支持向量机和柔性判别

第十三章 原型方法和最近邻

第十四章 无指导学习