稀疏統(tǒng)計學習：LASSO方法及其推廣

　　稀疏統(tǒng)計模型只具有少數(shù)非零參數(shù)或權重，經(jīng)典地體現(xiàn)了化繁為簡的理念，因而廣泛應用于諸多領域。本書就稀疏性統(tǒng)計學習做出總結，以LASSO方法為中心，層層推進，逐漸囊括其他方法，深入探討諸多稀疏性問題的求解和應用；不僅包含大量的例子和清晰的圖表，還附有文獻注釋和課后練習，是深入學習統(tǒng)計學知識的參考。本書適合計算機科學、統(tǒng)計學和機器學習的學生和研究人員。

　　Trevor Hastie 美國統(tǒng)計學家和計算機科學家，斯坦福大學統(tǒng)計學教授，英國統(tǒng)計學會、國際數(shù)理統(tǒng)計協(xié)會和美國統(tǒng)計學會會士。Hastie參與開發(fā)了R中的大部分統(tǒng)計建模軟件和環(huán)境，發(fā)明了主曲線和主曲面。 Robert Tibshirani 斯坦福大學統(tǒng)計學教授，國際數(shù)理統(tǒng)計協(xié)會、美國統(tǒng)計學會和加拿大皇家學會會士，1996年COPSS總統(tǒng)獎得主，提出lasso方法。Hastie和Tibshirani都是統(tǒng)計學習領域的泰山北斗，兩人合著了The Elements of Statistical Learning，還合作講授斯坦福大學的公開課“統(tǒng)計學習”。 Martin Wainwright 畢業(yè)于MIT，加州大學伯克利分校教授，以對統(tǒng)計與計算交叉學的理論和方法研究而聞名于學界，主要關注高維統(tǒng)計、機器學習、圖模型和信息理論。2014年COPSS總統(tǒng)獎得主。