Practical statistical network analysis(with R and igraph) 洛桑大学R语言中igraph讲义，适合快速入门

Statistical Learning with Sparsity - The Lasso and Generalizations

The Nature of Statistical Learning Theory（中英2本 Vapnik,V.N的.《统计学习理论的本质》）

《Applied Multivariate Statistical Analysis》pdf, Wolfgang, 4th edition, 英文版

目的–本文的目的是提高浅层有源声纳检测性能水。 定义类似随机模型的多元椭圆轮廓（MEC）分布模型混响，有助于揭示目标签名的结构信息。 设计/方法/方法–有源声纳系统的开发范围更广传输带宽和更大的Kong径接收阵列，从而改善了信噪比匹配滤波和波束成形后的比率和混响功率比率。 但是，它改变了传统假定瑞利的混响引起的包络的统计分布分配。 MEC是一种广义的非高斯分布模型。 作者从理论上推导复合高斯，瑞利混合，威布尔，K分布都是特殊的例MEC。 众所周知，威布尔分布和钾分布具有比瑞利明显的重尾分配。 MEC是表征非瑞利重尾分布的合适模型混响。 结果–对测试数据的分析表明，混响包络明显偏离了瑞利分配。 在广泛的非高斯框架中，混响建模为MEC分布， 适用于表征非瑞利混响。 试验中收到的数据验证了MEC模型的有效性。 实际数据包络遵循K分布，这是MEC。 因此，MEC可用于开发新颖的信号处理算法，从而减轻或减轻考虑了重尾混响分布对目标检测的影响。 研究的局限性/意义–有限的海试数据是证明的主要局限性进一步进行模型验证。

Perfected over three editions and more than forty years, this field- and classroom-tested reference: 　　* Uses the method of maximum likelihood to a large extent to ensure reasonable, and in some cases optimal procedures. 　　* Treats all the basic and important topics in multivariate statistics. 　　* Adds two new chapters, along with a number of new sections. 　　* Provides the most methodical, up-to-date information on MV statistics available.　　

关于贝叶斯统计方面的很好的入门教材。The purpose of the book is to familiarize the students with the basic concepts of Bayesian theory and to quickly get them performing their own data analyses using Bayesian com- putational tools.

关于早期的学习机器理论的一些相关知识，英文版本，电子版的

The Elements of Statistical Learning的原版PDF，感觉翻译比较渣就去找了原书

statistical-machine-learning-lab 统计机器学习方法练习