统计学习的经典教材《统计学基础：数据挖掘、推理与预测》，真的是前端甚至全栈想了解算法建模时的宝藏资源。

十四章内容，按部就班讲得清楚，从线性回归、分类、SVM，到神经网络、聚类、PCA，真的是应有尽有。

我当初第一次接触lasso和boosting，就是看它理解的，配套例子也挺生活化，不枯燥。

像模型评估那几章讲的交叉验证、模型平均，和做 A/B 测试时的思路还挺像，能直接套过来用。

如果你经常要和数据打交道，比如搞可视化、做前端图表展示，这本书会让你更懂背后的逻辑，也方便和数据团队对接。

哦对了，作者是 Hastie 和 Tibshirani 两位大神，还有 Friedman，斯坦福老牌统计大牛，靠谱得。

有网页版、有下载链接，想系统学统计学习，真没必要从头到尾啃，看你想补哪块知识点，翻那几章就行。

如果你对比如聚类、降维感兴趣，可以顺手看看这篇探索无监督学习：聚类、降维与特征提取的文章，蛮有。