“统计机器学习：监督学习”包括的内容有机器学习基本概念、回归分析和提升算法（boosting）。统计机器学习是一种“数据驱动学习(data-driven learning)”的计算范式。本次课程讲授的学习方法需要标注数据才能完成，因此叫监督学习（supervised learning）。

统计学家、Fisher判别函数表达式的提出者Ronald Aylmer Fisher曾经讲过，统计分析的目的是“化繁为简（the object of statistical methods is the reduction of data）”，即从海量大数据中去挖掘和甄别产生数据的精巧模型（大道至简、大巧不工）。

回归分析方法用适当参数去拟合（fit）数据，用较少参数来阐释数据的产生机制，从数据出发，建立符合数据模式的模型。

 提升算法从弱分类器学习得到强分类器，体现了“能用众力，则无敌于天下矣”、“积力之所举，则无不胜也”等古代哲学思想，也从一个侧面说明了算法的可学习性（Learnability）的性质。