1 Introduction.
2 Overview of supervised learning.
3 Linear methods for regression.
4 Linear methods for classification.
5 Basis expansions and regularization.
6 Kernel smoothing methods.
7 Model assessment and selection.
8 Model inference and averaging.
9 Additive models, trees, and related methods.
10 Boosting and additive trees.
11 Neural networks.
12 Support vector machines and flexible discriminants.
13 Prototype methods and nearest-neighbors.
14 Unsupervised learning.
15 Random forests.
16 Ensemble learning.
17 Undirected graphical models.
18 High-dimensional problems. Ver menos

Este livro descreve as ideias importantes nessas áreas em uma estrutura conceitual comum. Embora a abordagem seja estatística, a ênfase está nos conceitos e não na matemática. Muitos exemplos são dados, com um uso liberal de gráficos coloridos. É um recurso valioso para estatísticos e qualquer pessoa interessada em mineração de dados na ciência ou na indústria. A cobertura do livro é ampla, desde a aprendizagem supervisionada (previsão) até a aprendizagem não supervisionada. O desafio de compreender estes dados levou ao desenvolvimento de novas ferramentas no campo da estatística e gerou novas áreas como a mineração de dados, a aprendizagem automática e a bioinformática. Muitas destas ferramentas têm bases comuns, mas são frequentemente expressas com terminologia diferente. Ver menos