第1章  绪论
  1.1  统计学习概述
    1.1.1  统计学习的特点
    1.1.2  统计学习的对象
    1.1.3  统计学习的分类
  1.2  关于本书
  1.3  本书适用对象
  习题1
第2章  模型评价
  2.1  回归模型及评价准则
    2.1.1  回归模型
    2.1.2  模型估计
    2.1.3  回归模型精度的评价准则
  2.2  分类模型及评价准则
  习题2
第3章  线性回归模型
  3.1  线性回归模型
    3.1.1  模型介绍
    3.1.2  最小二乘估计
    3.1.3  a2的估计
    3.1.4  假设检验
    3.1.5  预测区间与置信区间
    3.1.6  R语言函数及应用
  3.2  回归诊断
    3.2.1  什么是回归诊断
    3.2.2  残差
    3.2.3  残差图
    3.2.4  影响分析
    3.2.5  多重共线性
  3.3  加权最小二乘方法
  3.4  Box-Cox变换
  3.5  定性协变量建模
  习题3
第4章  重抽样方法
  4.1  交叉验证法
    4.1.1  验证集方法
    4.1.2  LOOCV 方法
    4.1.3  GCV方法
    4.1.4  k折CV方法
  4.2  Bootstrap方法
  习题4
……
第5章  判别分析
第6章  K近邻法
第7章  模型选择与正则化
第8章  非参数回归模型
第9章  Logistic回归
第10章  决策树
第11章  支持向量机
第12章  主成分分析
第13章  聚类分析
第14章  前馈神经网络
第15章  卷积神经网络
参考文献
索引