高维统计学：非渐近视角

本书赞誉
“非渐近、高维统计理论对现代统计和机器学习至关重要.本书很独特，用非常清晰、完善且统一的方式介绍了这一领域.作者将概率论及其在统计中的应用组合到了一起，涵盖从测度集中度到图模型的内容.对研究生和科研工作者来说这是非常完美的.本书在接下来很多年里一定会成为这个领域的标准参考书.”
——Larry Wasserman,卡耐基梅隆大学
“Martin将他大量强大的分析方法用在了当前的问题——对大数据模型的分析中.这个新领域的海量知识结合他强大的分析技巧,使得本书成为令人印象深刻并为之倾倒的杰作，这势必会成为所有敢于尝试这一领域的科研工作者的重要参考书.”
——Trevor Hastie,斯坦福大学
“本书很好地介绍了高维理论统计中一个可能发展最快的领域——研究基于样本大小和数据维度给出估计概率界的非渐近理论.本书给出了这个领域至今最全面、清晰、专业的介绍,势必将成为该领域最权威的参考文献和教材.”
——Genevera Allen,莱斯大学
“伴随着对高维数据分析的大量研究,过去二十年里统计理论和应用经历了一场复兴.没有人比Martin对高维统计有更加深刻的理解.本书将他的研究成果以书的形式展现出来.随着高维统计这个领域持续产生突破性的研究成果,本书对于刚入门的学生和经验丰富的学者都将是非常棒的参考资料.”
——John Lafferty,耶鲁大学
“这本有关高维统计的杰出图书由这个领域富有创造力的知名学者所著，全面介绍了统计机器学习中的很多重要内容，而且从基础内容到很多前沿领域的最新成果都是自封闭的.对于想要学习和研究现代统计机器学习理论、方法和算法的人来说，这是一本必须要读的书.”
——范剑青,普林斯顿大学
“本书对高维统计中的数学技巧和方法给出了深入、直观的理解.书中非常详细地介绍了概率论中的主要技术工具，并且用清晰明了的方式展示了高维统计问题中统计方法和算法的构造及分析.这是一本杰出的、发人深省的大师级著作!”
——Peter Bühlmann,苏黎世联邦理工学院
“Martin的这本新书包含了高维统计推断中的前沿内容,主要关注稀疏和非参数估计相关的精确非渐近结果.无论是从它所包含的最前沿结果的广度还是从它所展现的结果的深度来说,这都是所有数理统计和理论机器学习的研究生的必读图书.书中的阐述极其清晰,从关于必要的概率工具的简介性章节开始,涵盖了高维统计中最前沿的进展,并且非常巧妙地做到了重要性和数学深度之间的完美结合.”
——Francis Bach,法国国家信息与自动化研究所
“Wainwright的这本书主要介绍了概率理论和数理统计中对于理解高维统计所遇新现象至关重要的部分,讲述得非常清晰、深刻.每章都用直观的例子或者模拟来开篇,并将它们系统地延伸成强大的数学工具或者推断中基本问题的完整答案.不管是用来系统阅读还是作为一本参考书,这本书都不容易,但却相当精致，值得一读.”
——Peter Bickel,加州大学伯克利分校

近年来，在所有科学学科和工业环境中收集的数据量和种类都出现了爆炸式增长。如此庞大的数据集给统计和机器学习领域的研究人员带来了许多挑战。本书对高维统计学进行了详尽介绍，重点介绍核心方法论和理论，包括尾部界、集中不等式、一致律和经验过程以及随机矩阵。此外还深入探索了特定的模型类,包括稀疏线性模型、用秩约束矩阵模型、图模型和各种类型的非参数模型。书中提供了数百个工作示例和练习，既适合统计学相关课程使用，也适合统计学、机器学习和相关领域的研究生与研究人员自学。