稀疏統計模型只具有少數非零參數或權重,經典地體現了化繁為簡的理念,因而廣泛應用於諸多領域。本書就稀疏性統計學習做出總結,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後練習,是深入學習統計學知識的參考。本書適合計算機科學、統計學和機器學習的學生和研究人員。
Trevor Hastie 美國統計學家和計算機科學家,斯坦福大學統計學教授,英國統計學會、國際數理統計協會和美國統計學會會士。Hastie參與開發了R中的大部分統計建模軟件和環境,發明了主曲線和主曲面。
Robert Tibshirani 斯坦福大學統計學教授,國際數理統計協會、美國統計學會和加拿大皇家學會會士,1996年COPSS總統獎得主,提出lasso方法。Hastie和Tibshirani都是統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“統計學習”。
Martin Wainwright 畢業於MIT,加州大學伯克利分校教授,以對統計與計算交叉學的理論和方法研究而聞名於學界,主要關注高維統計、機器學習、圖模型和信息理論。2014年COPSS總統獎得主。