近日，由国势研究院副院长冯凌秉翻译的《统计学习：回归视角（原书第3版）》正式出版发行。本书原著作者为加州大学洛杉矶分校统计系名誉教授、宾夕法尼亚大学统计系与犯罪学系教授理查德·A·伯克（Richard A. Berk）。作为一部贯通统计学与计算机科学的经典著作，本书第3版在延续前两版核心思想的基础上，融入了近年来统计学习方法的重要进展，兼具理论深度与实践指导意义。

回归视角：统合统计学习的核心脉络

    本书的核心观点鲜明而深刻——监督学习可被恰当地视为回归分析的一种形式。在传统统计方法似乎逐渐“过时”的今天，作者指出，绝大多数统计学习方法本质上都可以看作回归分析的变体。这一视角帮助读者从熟悉的回归分析出发，系统理解袋装法、随机森林、提升算法、支持向量机、深度学习、强化学习等主流方法的内在逻辑与相互关系。

数据驱动的理念：超越模型假设

    遵循现代数据分析理念，本书强调：正确运用统计学习方法，依赖于良好的数据收集、巧妙的数据管理、恰当的统计程序以及对结果的可信解释。书中不仅介绍算法原理，更直面过拟合、数据窥探、偏差-方差权衡等实践中的核心问题，帮助读者建立扎实的建模思维。

理论与实践并重：R语言代码加持

    为便于读者将理论方法转化为实际应用，书中结合R语言代码，对各主要方法进行了操作层面的演示。无论是样条平滑、决策树、随机森林，还是神经网络与强化学习，读者均可跟随代码实现从原理到应用的完整闭环。

跨越学科的适用性

    本书兼具教材与参考手册的功能，适合统计学、数据科学、人工智能、社会学、心理学、生命科学等专业的高年级本科生和研究生阅读，也可作为希望将统计学习方法应用于科学和政策问题的研究人员的案头参考。

    作为国势研究院的核心专家，冯凌秉副院长长期深耕数据科学领域，现任国际学术期刊《Data Science and Management》副主编。本次翻译在忠实呈现原著内容的基础上，充分考虑了中文读者的阅读习惯与学科语境，力求在专业性与可读性之间取得平衡。本书的出版，为国内统计学习领域的教学研究与实践应用提供了又一重要学术资源。

图书信息

书名：《统计学习：回归视角（原书第3版）》

作者：理查德·A·伯克（Richard A. Berk）

译者：冯凌秉

出版时间：近期本书已经在官网和各个平台上线。

​

本书豆瓣网址：https://book.douban.com/subject/38483850/