《Python统计机器学习》以 Python为工具，详细介绍了机器学习中统计分析技术和数据分析基础知识。全书共分三部分，第一部分介绍了Python中的基本运算方法和概率的相关基础概念。第二部分介绍了统计分析的基础知识，内容涵盖机器学习的问题设置、定量评价各种数据分析结果的框架，并简明描述数据的主成分分析方法、统计建模的思路及假设检验的标准等统计学知识。第三部分介绍了在机器学习中的各种方法，包括回归分析、聚类分析支持向量机、稀疏学习、决策树、集成学习、高斯过程模型及密度比估计等方法，最后还特别介绍了深度学习的贝叶斯优化方法。
《Python统计机器学习》内容丰富，图文并茂，特别适合想学习数据分析、统计分析、机器学习、深度学习的人员参考学习。

读者对象：想学习人工智能、机器学习、深度学习、统计分析、数据分析的所有人员。
要想熟练使用机器学习，理解基于概率、统计的数据分析基础理论是不可或缺的。因此，本书从Python的简单使用方法开始讲解了概率、统计的基础知识，以及基于统计模型的机器学习方法，涵盖回归分析、聚类分析、支持向量机、稀疏学习、决策树、集成学习、高斯过程模型、密度比估计等，内容比较全面，可以让读者很好地了解和掌握Python在统计机器学习中的应用方法。

金森敬文
博士（学术）
东京工业大学信息理工学院教授
理化学研究所创新智能综合研究中心组长