本书系统介绍常用统计模型、现代统计机器学习方法与算法，阐释其数学原理和统计理论。本书从大数据典型特征及其对统计分析的影响入手，由高维线性回归延伸至非参数回归与核方法建模，系统讲解多类回归模型的稀疏分析与模型选择，深入探讨高维推断与特征筛选。书中全面覆盖高维协方差估计、潜因子与结构学习及其应用，并详细介绍分类、聚类、预测相关的统计机器学习理论，涵盖回归树、随机森林、梯度上升算法、支持向量机、稀疏主成分分析及深度学习等主流方法，配有应用习题。