这是一个数据的时代。在当今社会，我们每一个人都明显感受到与信息相关的数据处不在。与此同时，数据也在极大地影响着我们的生活。统计学是一门数据的科学，那么读者希望从一本统计学教材中学到什么呢？不是公式、技巧或推理，而是基本概念和方法，并把这些基本概念和方法应用到专业以及日常生活中。 本书试图突出数据科学的思想，强调数据以及统计方法的使用，以清晰直观和易于理解的实例阐述了统计学的基本概念和方法，增加读者对统计学的感性认识，获得对数据分析的直观感受。本书可作为经济、管理、人文社会科学专业以及其他领域的统计学教材，也可用做相关专业人士的参考用书。

　　统计学习理论是研究利用经验数据进行机器学习的一种一般理论，属于计算机科学、模式识别和应用统计学相交叉与结合的范畴，其主要创立者是本书作者。统计学习理论基本内容诞生于20世纪60~70年代，到90年代中期发展到比较成熟并受到世界机器学习界的广泛重视，其核心内容反映在Vapnik的两部重要著作中，本书即是其中一部，另一部是《统计学习理论的本质》。 由于较系统地考虑了有限样本的情况，统计学习理论与传统统计学理论相比有更好的实用性，在该理论下发展出的支持向量机方法以其有限样本下良好的推广能力而备受重视。