統計學習方法即為機器學習方法，是電腦及其應用領域的重要學科之一。
本書分為監督學習、無監督學習兩篇，全面系統地介紹了統計學習的主要方法。

將監督學習和無監督學習中最常用、最重要的各類方法以系統性的方式論述，每章講解一種方法，各章內容相對獨立且完整，也有相關習題、參考文獻，並於最後加以總結。讀者可以將全書詳讀，也可以選擇單章細讀。期望讓讀者可以順利掌握完整又清晰的相關知識，進而打下穩固的基礎，並能準確地使用。

本書涵蓋感知機、k近鄰法、單純貝氏法、決策樹、邏輯回歸及最大熵模型、支持向量機、提升方法、EM演算法、隱馬可夫模型、條件隨機場、聚類法、奇異值分解(SVD)、主成分分析(PCA)、潛在語義分析、機率潛在語義分析、馬可夫鏈蒙地卡羅法、潛在狄利克雷分配(LDA)、PageRank演算法等。

【適合讀者群】
．具高等數學、線性代數和機率統計的基礎知識
．從事資訊檢索、自然語言處理、文字資料探勘等領域的學生與研究人員
．從事電腦應用相關專業的研究人員

李航

ACL Fellow、IEEE Fellow 、ACM傑出科學家，北京大學、南京大學兼職教授，研究領域包括資訊檢索、自然語言處理、統計機器學習和資料探勘等。

畢業於日本京都大學電氣電子工程系，日本東京大學電腦科學博士學位。

曾任日本NEC公司中央研究所研究員，微軟亞洲研究院高級研究員與主任研究員，華為諾亞方舟實驗室主任、首席科學家，現任字節跳動人工智慧實驗室總監。