英文名：An Introduction to Statistical Learning with Applications in R 很难找的中文材料，入门必用。

统计学习理论（清华 张学工 讲义）

vapnik博士的“统计学习理论的本质”中文版的作者张学工的有关统计学习理论的幻灯片。

《统计学习方法》训练营 课程资料 优秀github资源： 本训练营的学习安排与课程任务：详见文件夹Books中的《统计学习方法作业》doc文档 视频笔记在线阅读地址 视频笔记在线阅读地址： 相关资料下载地址（包括视频笔记和习题解答） 链接： 提取码：tc49 课程安排（第四期） 总课时：5 周 第一周 1 学习第1章统计学习方法概论 2 学习第2章感知机 3 学习第3章k近邻 第二周 4 学习第4章朴素贝叶斯法 5 学习第5章决策树 第三周 6 学习第6章Logistic回归与最大熵模 7 学习第7章支持向量机 第四周 8 学习第8章提升方法 9 学习第9章EM算法及推广 第五周 10 学习第10章隐马尔科夫模型 11 学习第11章条件随机场 项目结构 Books--------------------------------------作业汇总和视频笔记的pdf docs--------

统计学习完美的书籍 中国科学院研究生院 统计学习的教程

内含李航博士《统计学习方法》代码以及讲解博客，有需要的同学自行下载

【目录】 概述 统计学习理论中的基本概念 统计学习理论的发展简况 统计学习理论的基本内容 支持向量机概述 研究现状 参考文献

统计学习是计算机及其应用领域的一门重要的学科。本书全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、em算法、隐马尔可夫模型和条件随机场等。除第1章概论和最后一章总结外，每章介绍一种方法。叙述从具体问题或实例入手，由浅入深，阐明思路，给出必要的数学推导，便于读者掌握统计学习方法的实质，学会运用。为满足读者进一步学习的需要，书中还介绍了一些相关研究，给出了少量习题，列出了主要参考文献。

来自于斯坦福大学统计学院Hastie教授的经典教材，（ESL高清彩色英文+中文）The Elements of Statistical Learning。内容广泛，包括有监督学习、无监督学习等等，是从事数据挖掘和机器学习研究的经典教材。

经典书籍《统计学习方法》-李航全书的配套学习课件，包含全部11章节，后附全书总结~