统计决策论及贝叶斯分析：第二版，ISBN：9787503725333，作者：（美）[J.O.伯杰]James O.Berger著；贾乃光译

《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。

《商务与经济统计》(原书第9版)是美国辛辛那提大学的安德森、斯威尼教授和罗切斯特理工学院的威廉斯教授再度合作的结晶。本版在保留了以前版本的叙述风格和可读性的基础上，对内容进行了大幅的修订，新增了“决策分析”一章，调整了假设检验、区间估计及抽样等章节；增、加了150道取材于美国著名报刊实例的例题和练习；增加了6个案例，便于读者学以致用，练习管理报告的写作；并以Minitab和Excel的最新版本为准则，修订了各章附录中按步骤给出的用以生成计算机输出的程序。 　　应用性强是《商务与经济统计》(原书第9版)的最大特色。作者精心设计的“方法”、“应用”和“自测题”三种题型，起提示、总结和建议作用的“注释”，以及存储在《商务与经济统计》(原书第9版)附赠光盘中的数据集，无不体现出这一特色。 《商务与经济统计》(原书第9版)既可作为MBA、大学本科生和研究生的教材，也可供从事工商行政管理和经济分析的人士参考。

数理统计与数据分析（原书第3版），ISBN：9787111336464，作者：（美）里斯 著，田金方 译

《应用时间序列分析》是高等院校"应用时间序列分析"课程的教材，较系统讲授应用时间序列分析的基本理论、方法以及应用。《应用时间序列分析》以时间序列的线性模型和平稳序列的谱分析为主线，介绍平稳时间序列的基本知识、常用的建模和预测方法，目的是使学生对时间序列的饿应用理论和方法有基本的了解，能够用时间序列的基本方法处理简单的时间序列数据。全书共分九章，内容包括：时间序列的分解、平稳序列、线性平稳序列、ARMA模型、时间序列的预报，加窗谱估计和多维平稳序列介绍。每节配有适量习题和部分计算机作业，可供教师和学生选用。时间序列分析是概率统计学科中应用性教强的一个分支，在金融经济、气象水文、信号处理、机械振动等众多领域有着广泛的应用。

机器学习是计算机科学与人工智能的重要分支领域. 本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面。 为了使尽可能多的读者通过本书对机器学习有所了解, 作者试图尽可能少地使用数学知识. 然而, 少量的概率、统计、代数、优化、逻辑知识似乎不可避免. 因此, 本书更适合大学三年级以上的理工科本科生和研究生, 以及具有类似背景的对机器学 习感兴趣的人士. 为方便读者, 本书附录给出了一些相关数学基础知识简介. 全书共16 章，大致分为3 个部分：第1 部分（第1～3 章）介绍机器学习的基础知识；第2 部分（第4～10 章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；第3 部分（第11～16 章）为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等.前3章之外的后续各章均相对独立, 读者可根据自己的兴趣和时间情况选择使用. 根据课时情况, 一个学期的本科生课程可考虑讲授前9章或前10章; 研究生课程则不妨使用全书. 书中除第1章外, 每章都给出了十道习题. 有的习题是帮助读者巩固本章学习, 有的是为了引导读者扩展相关知识. 一学期的一般课程可使用这些习题, 再辅以两到三个针对具体数据集的大作业. 带星号的习题则有相当难度, 有些并无现成答案, 谨供富有进取心的读者启发思考. 本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。