隨著大數據時代的到來，統計機器學習近年來引起了人們的廣泛關注。統計機器學習內容涵蓋統計學、計算機科學、數學等多個學科，形成交叉學科研究，其應用范圍越來越廣。
本書的特點是均衡相關理論闡述和相關算法的具體實現，盡可能用最精簡的語言闡明基本理論，用最簡單的實例說明算法實現過程，使讀者既能領會理論內涵又能學會算法的實際操作。書中數據幾乎都由相關工具包提供，或者是模擬產生，這樣會省去讀者加載相關數據的麻煩，相關算法的代碼也很容易推廣到其他數據應用中。
本書共分12章和兩個附錄。第1章主要介紹R語言基本操作，是后面各章節算法實現的基礎。第2章介紹多元分布，主要闡述多元分布的均值向量和協方差矩陣等基本內容及性質。第3章介紹線性回歸、對數線性回歸、嶺回歸和Lasso回歸等線性模型。第4章闡述貝葉斯判別分析、Fisher判別分析和基于距離的判別分析等內容。第5章給出支持向量機分類和回歸等相關算法，并給出算法的詳細推導。第6章內容是決策樹理論及實現方法。第7章介紹提升算法、裝袋算法和隨機森林分類等集成學習方法。第8章介紹主成分分析和因子分析。第9章介紹多維縮放和等度量映射、局部線性嵌入、隨機近鄰嵌入等流形學習降維方法。第10章給出幾種常用的聚類算法，包括k均值聚類、層次聚類和基于密度的聚類算法。第11章介紹一組因變量和一組自變量之間的偏最小二乘回歸算法。第12章主要介紹前饋神經網絡以及比較流行的卷積神經網絡和LSTM等幾種深度神經網絡模型，并給出比較詳細的算法推導。附錄給出向量和矩陣函數的導數以及拉格朗日對偶性等相關數學基礎，作為相關章節算法推導的理論基礎。
R是一款開源的免費統計軟件，提供了廣泛的統計計算和作圖技術，并且隨時在擴展更新，已經成為最常用的數據分析和數據處理工具。為了更方便地搭建深度神經網絡模型，R語言建立了與Python語言的接口，可以借助Keras和TensorFlow等技術實現復雜的神經網絡。Keras由純Python語言編寫而成，是神經網絡的高層API。為R語言安裝Keras包之前，需要先安裝Python。本書安裝的是Python的發行版Anaconda 3.8和R語言的4.1.1版本，書中的所有代碼都可以在這個環境下實現。
本書除了參考文獻中列出的文獻外，還參考了許多網絡資源，在此對所涉及的專家學者表示衷心的感謝。同時感謝遼寧省教育廳項目的資助（編號： LJKMZ20221424）。由于編者水平有限，書中難免存在疏漏和不妥之處，敬請廣大讀者不吝指正。
編者2023年1月
新書資訊