卡内基梅隆大学Larry Wasserman教授 统计学理论及机器学习与数据挖掘三部曲教材 数据可以在作者主页下载 http://www.stat.cmu.edu/~larry/

统计学完全教程 张波译 All of Statistics by Larry Wasserman http://mathsccnu.gotoip11.com/forum.php?mod=viewthread&tid=4311
是一本几乎包含了统计学领域全部知识的优秀教材，除了介绍传统数理统计学的一些基本的统计与学习模型。 从最基本的随机变量、分布、条件概率，到IID、极大似然估计、充分统计量、Delta方法、贝叶斯估计，再到线性回归，还包含了机器学习、数据挖掘里常用模型涉及的Bootstrap方法（自助法）、统计泛函、独立性推断、因果推断、图模型、非参数回归、正交函数光滑法、分类、统计学理论及数据挖掘等统计学领域的新方法和技术，不但注重概率论与数理统计基本理论的阐述，同时还强调数据分析能力的培养。含有大量的实例以帮助广大读者快速掌握使用R软件进行统计数据分析。重要的是，作者写得清楚明白，着重点放在模型或公式的统计概念与思想上，而非繁琐的数学证明。

非参数统计全书中文版 吴喜之译All of Nonparametric Statistics pdf Larry Wasserman pdf http://mathsccnu.gotoip11.com/forum.php?mod=viewthread&tid=3683
适合统计和计算机科学的高年级大学生、研究生作为教材，也适合统计学、计算机和数据挖掘等方向的研究人员参考。 本教材的宗旨就是简单扼要地介绍非参数推断的许多现代课题。目标是让读者很快熟悉许多领域的基本概念，而不是纠缠在一个题目上讨论大量的细节，一方面要覆盖大量的内容，另一方面要保持本书的精练。本书的内容是在“现代非参数统计”的名分之下，略去诸如秩检验那样的传统方法，这并不是贬低它们的重要性。

卡内基梅隆大学2016春季Statistical Machine Learning 上课视频+讲义 by Larry Wasserman http://www.stat.cmu.edu/~larry/=sml/
Wasserman喜欢把上课的note整理成书。这个讲义他以后也要出书的。