За последнее десятилетие произошел бум в области вычислений и информационных технологий. Вместе с ним появились огромные объемы данных в различных областях, таких как медицина, биология, финансы и маркетинг. Проблема понимания этих данных привела к разработке новых инструментов в области статистики и породила новые области, такие как интеллектуальный анализ данных, машинное обучение и биоинформатика. Многие из этих инструментов имеют общую основу, но часто выражаются с использованием разной терминологии. В этой книге важные идеи в этих областях описаны в общей концептуальной структуре. Хотя подход является статистическим, упор делается на концепции, а не на математику. Приведено множество примеров со свободным использованием цветной графики. Это ценный ресурс для статистиков и всех, кто интересуется интеллектуальным анализом данных в науке или промышленности. Охват книги широк: от обучения с учителем (прогнозированием) до обучения без учителя. Многие темы включают нейронные сети, машины опорных векторов, деревья классификации и бустинг — первое всестороннее рассмотрение этой темы в любой книге.

В этом крупном новом издании представлены многие темы, не затронутые в оригинале, в том числе графические модели, случайные леса, ансамблевые методы, алгоритмы регрессии наименьшего угла и пути для лассо, неотрицательная матричная факторизация и спектральная кластеризация. Также есть глава, посвященная методам работы с «широкими» данными (p больше n), включая множественное тестирование и частоту ложных обнаружений.

Тревор Хасти, Роберт Тибширани и Джером Фридман — профессора статистики в Университете Стэндфордский Университет. Они являются видными исследователями в этой области: Хасти и Тибширани разработали обобщенные аддитивные модели и написали популярную книгу с таким названием. Хасти был соавтором большей части программного обеспечения и среды статистического моделирования в R/S-PLUS, а также изобрел основные кривые и поверхности. Тибширани предложил лассо и является соавтором очень успешной книги «Введение в бутстрап». Фридман является соавтором многих инструментов анализа данных, включая CART, MARS, проекцию и повышение градиента.