近年来,在所有科学学科和工业环境中收集的数据量和种类都出现了爆炸式增长。如此庞大的数据集给统计和机器学习领域的研究人员带来了许多挑战。本书对高维统计学进行了详尽介绍,重点介绍核心方法论和理论,包括尾部界、集中不等式、一致律和经验过程以及随机矩阵。此外还深入探索了特定的模型类,包括稀疏线性模型、用秩约束矩阵模型、图模型和各种类型的非参数模型。书中提供了数百个工作示例和练习,既适合统计学相关课程使用,也适合统计学、机器学习和相关领域的研究生与研究人员自学。
无
数学\统计学
“本书很独特,用非常清晰、全面且统一的方式介绍了这一领域, 将概率论及其在统计中的应用组合到了一起,涵盖的内容从测度集中度到图模型. 对研究生和科研工作者来说这是非常完美的. 本书在接下来很多年里一定会成为这个领域的标准参考书.”
—— Larry Wasserman, 卡内基·梅隆大学
“Martin 将他大量强大的分析方法用在了当前的问题——对大数据模型的分析中. 这个新领域的海量知识结合他强大的分析技巧, 使得本书成为令人印象深刻并为之倾倒的杰作,这势必会成为所有敢于尝试这一领域的科研工作者的重要参考书.”
—— Trevor Hastie, 斯坦福大学
“本书全面介绍了统计机器学习中的很多重要内容,而且书中内容从基础知识到很多前沿领域的新成果是自封闭的. 对于想要学习和研究现代统计机器学习理论、方法和算法的人来说,这是一本必须要读的书.”
—— 范剑青, 普林斯顿大学
“伴随着对高维数据分析的大量研究, 过去二十年统计理论和应用经历了一场复兴. 没有人比 Martin 对高维统计有更加深刻的理解. 本书对于刚入门的学生和经验丰富的学者都将是非常棒的参考资料. ”
—— John Lafferty, 耶鲁大学
“本书对高维统计中的数学技巧和方法给出了深入且直观的阐释,是一部杰出的、发人深省的大师级著作!”
—— Peter Bühlmann, 苏黎世联邦理工学院
“Wainwright 的这本书主要介绍了概率理论和数理统计中对理解高维统计所遇新现象至关重要的部分, 不管是用来系统阅读还是作为一本参考书, 这本书都不容易理解, 但却相当精致,值得一读.”
—— Peter Bickel, 加州大学伯克利分校
[美]马丁·J.温赖特(Martin J.Wainwright) 著 :马丁· J. 温赖特(Martin J. Wainwright)是加州大学伯克利分校统计学系和电气工程与计算机科学系的校长教授( Chancellor’s Professor)