本書是Springer統(tǒng)計(jì)系列叢書之一，旨在讓讀者深入了解數(shù)據(jù)挖掘和預(yù)測(cè)。 隨著計(jì)算機(jī)和信息技術(shù)迅猛發(fā)展，醫(yī)學(xué)、生物學(xué)、金融、以及市場(chǎng)等各個(gè)領(lǐng)域的大量數(shù)據(jù)的產(chǎn)生，處理這些數(shù)據(jù)以及挖掘它們之間的關(guān)系對(duì)于一個(gè)統(tǒng)計(jì)工作者顯得尤為重要。本書運(yùn)用共同的理論框架將這些領(lǐng)域的重要觀點(diǎn)做了很好的闡釋，重點(diǎn)強(qiáng)調(diào)方法和概念基礎(chǔ)而非理論性質(zhì)，運(yùn)用統(tǒng)計(jì)的方法更是突出概念而非數(shù)學(xué)。另外，書中大量的彩色圖例可以幫助讀者更好地理解概念和理論。 目次:導(dǎo)論; 監(jiān)督學(xué)習(xí)概述; 線性回歸模型; 線性分類方法; 基展開與正則性; 核方法; 模型評(píng)估與選擇; 模型參考與平均; 可加性模型，樹與相關(guān)方法; 神經(jīng)網(wǎng)絡(luò); 支持向量機(jī)器與彈性準(zhǔn)則; 原型法和最近鄰居; 無監(jiān)督學(xué)習(xí). 讀者對(duì)象：適用于數(shù)學(xué)及統(tǒng)計(jì)專業(yè)的研究生、統(tǒng)計(jì)工作者及相關(guān)領(lǐng)域的研究人員。