信息技術(shù)推動了大眾對數(shù)據(jù)的消費，大眾對數(shù)據(jù)的消費熱點經(jīng)歷了一個明晰的軌跡， 20 世紀(jì) 80年代是數(shù)學(xué)熱，數(shù)字產(chǎn)生于數(shù)學(xué)模型，但數(shù)學(xué)模型對帶有觀測誤差數(shù)據(jù)的解讀能力有限，20世紀(jì) 90年代是信息熱，信息為數(shù)字披上了外衣，然而技術(shù)的計算代價、適應(yīng)能力和容錯能力等還缺乏一個統(tǒng)一的分析標(biāo)準(zhǔn)。結(jié)果從 20 世紀(jì) 90年代開始，統(tǒng)計開始成為大眾消費數(shù)據(jù)的熱點，這一消費的轉(zhuǎn)變也將一度默默無聞、與世無爭的統(tǒng)計學(xué)家從象牙塔帶到真實世界，開始參與到從數(shù)據(jù)特點出發(fā)構(gòu)建面向不同問題的統(tǒng)計模型的實踐中來。在當(dāng)今這個網(wǎng)絡(luò)密布、數(shù)據(jù)激增的時代，統(tǒng)計建模為大數(shù)據(jù)分析提供了一套可擴(kuò)展、可深化，并能高質(zhì)高效地揭示有價值信息的方法，使透過微觀數(shù)據(jù)視角洞察在“無尺度網(wǎng)絡(luò)”中游走的人類行為成為可能。大數(shù)據(jù)分析方法已經(jīng)在信用識別、垃圾過濾、過度開發(fā)、誘惑欺詐、軌跡尋蹤等應(yīng)用研究中顯露手腳，其潛在的能量與應(yīng)用前景無疑有著更為廣闊的空間。
　　與傳統(tǒng)的統(tǒng)計分析相比，大數(shù)據(jù)有著來源復(fù)雜、體量巨大、價值潛伏等特點，這使得大數(shù)據(jù)分析必然要依托計算機(jī)技術(shù)予以實現(xiàn)。這也逐漸演變出大數(shù)據(jù)分析的兩個研究方向：第一個方向側(cè)重于數(shù)據(jù)的處理與表示，主要強(qiáng)調(diào)采集、存取、加工和可視化數(shù)據(jù)的方法；第二個方向則研究數(shù)據(jù)的統(tǒng)計規(guī)律，側(cè)重于對微觀數(shù)據(jù)本質(zhì)特征的提取和模式發(fā)現(xiàn)。經(jīng)過多年的實踐探索，業(yè)界已經(jīng)越來越清晰的意識到只有在兩個方向上的協(xié)同、均衡推進(jìn)，才能保障大數(shù)據(jù)應(yīng)用的穩(wěn)健成長和可持續(xù)發(fā)展。因此，大數(shù)據(jù)分析的發(fā)展重心也逐漸由數(shù)據(jù)處理的技術(shù)向數(shù)據(jù)分析的科學(xué)傾斜，后者正是本書的焦點與重點。
　　相應(yīng)的，我們所指的大數(shù)據(jù)分析方法主要取材于統(tǒng)計學(xué)習(xí)（ Statistical Learning）、數(shù)據(jù)挖掘（ Data Mining）和模式識別（ Pattern Recognization）等領(lǐng)域，這些內(nèi)容安排在第 3章、第 4章、第 5章、第 6章和第 7章。第 2章著重介紹數(shù)據(jù)挖掘流程與數(shù)據(jù)處理技術(shù)。大數(shù)據(jù)分析還是一門與應(yīng)用結(jié)合很強(qiáng)的課程，我們精心挑選了三類典型的應(yīng)用模型，內(nèi)容安排在第 8章、第 9章和第 10章。本書集方法與應(yīng)用于一冊，希望讀者通過方法的學(xué)習(xí)掌握復(fù)雜數(shù)據(jù)的分析與建模；通過應(yīng)用的學(xué)習(xí)能按照實證研究的規(guī)范和數(shù)據(jù)挖掘的流程開展大數(shù)據(jù)的研發(fā)。除此之外，大數(shù)據(jù)分析還有很強(qiáng)的實踐性，為體現(xiàn)這一特點，我們強(qiáng)調(diào)了工具的作用。通過工具的學(xué)習(xí)希望讀者能夠熟練掌握一門數(shù)據(jù)分析語言。本書大部分方法將給出 R軟件的示范程序， R軟件是免費、開源、專業(yè)、前沿的統(tǒng)計分析軟件，分析研究數(shù)據(jù)的功能強(qiáng)大，是實踐和領(lǐng)會大數(shù)據(jù)建模的有效途徑。另外，書中也使用了少量的 JMP和 Statistica等工具的分析結(jié)果。
本書既可用做培養(yǎng)應(yīng)用統(tǒng)計專業(yè)碩士的教材，也適用于管理學(xué)、信息學(xué)、統(tǒng)計學(xué)等專業(yè)進(jìn)行數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、人工智能等相關(guān)領(lǐng)域的教學(xué)與研究。研究生或本科高年級的數(shù)據(jù)挖掘課程可通過基本原理的學(xué)習(xí)，了解不同的模型和算法的設(shè)計特點，并通過每章后面所列參考文獻(xiàn)進(jìn)行延伸閱讀。
　　本書通過案例講解算法，以提高讀者實際解決問題的能力。書中的案例也可用做提高學(xué)生統(tǒng)計咨詢能力的課堂訓(xùn)練。在習(xí)題練習(xí)中的一些題目可作為課堂案例，安排學(xué)生分組討論，并鼓勵學(xué)生演示分析思路和分享分析收獲。使學(xué)生有機(jī)會診斷問題，并學(xué)會選用適當(dāng)?shù)姆椒ê图夹g(shù)分析數(shù)據(jù)。通過案例教學(xué)的方式將對學(xué)生領(lǐng)會大數(shù)據(jù)分析方法和應(yīng)用大有助益。
　　如上所述，本書內(nèi)容由 10章構(gòu)成：大數(shù)據(jù)分析概述，數(shù)據(jù)挖掘流程，有指導(dǎo)的學(xué)習(xí)，無指導(dǎo)的學(xué)習(xí)，貝葉斯分類和因果學(xué)習(xí)，高維回歸及變量選擇，圖模型，客戶關(guān)系管理，社會網(wǎng)絡(luò)分析，自然語言模型和文本挖掘。教學(xué)內(nèi)容建議一學(xué)期 54學(xué)時完成，其中至少應(yīng)該安排 10學(xué)時用于大數(shù)據(jù)分析項目的上機(jī)實驗和討論。
作者過去 6年中一直在給高年級本科生和研究生講授數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)課程，本書是作者結(jié)合多年授課的講義與課題研究成果基礎(chǔ)上匯編而成。全書由王星策劃、統(tǒng)稿和校閱，其中第 1章至第 5章由王星主筆。賀詩源同學(xué)主要參與了第 2章、第 6章和第 7章的部分編寫工作，陳文同學(xué)主要參與了第 6章和第 8章的部分編寫工作，以上兩位同學(xué)還在軟件實現(xiàn)和例題整理部分做出貢獻(xiàn)；鄭軼、李榮明、龔君泰、馬璇、李沐雨對第 8章至第 10章做出貢獻(xiàn)；彭非老師、張波、邱逸軒、顏婭婷、王曉航、王杰彪、陳之進(jìn)和張望等同學(xué)參與了部分實驗的討論；特別感謝 SAS 軟件 JMP事業(yè)部曹建博士、周等在軟件和相關(guān)資料方面給予的大力支持和技術(shù)解惑，他們還提供了可供學(xué)生免費試用的版本和網(wǎng)址（具體方法列在光盤中）；清華大學(xué)出版社責(zé)任編輯劉穎和他的同事們盡職盡責(zé)的努力，在此一并致以衷心的謝忱。寫作本書是一個愉快的過程，在這個新的科研方向和應(yīng)用領(lǐng)域上，這支由年輕人組成的團(tuán)隊激情澎湃、勇于探索，他們鉆研探究的精神風(fēng)貌為我留下諸多美好回憶，也凝聚了開拓未來前進(jìn)的不竭動力。大數(shù)據(jù)分析方法和應(yīng)用涉獵很廣，很難一本書面面俱到，書中尚存不詳不妥之處，敬請讀者指正。

　　王 星
　　中國人民大學(xué)應(yīng)用統(tǒng)計科學(xué)研究中心 2013年 7月