以下是标准参考列表：

• Drton、Sturmfels 和 Sullivant，代数统计讲座
• Pachter，Sturmfels，计算生物学的代数统计
• Pistone，Riccomagno，Wynn，代数统计：统计中的计算交换代数
• 沙利文，代数统计
• Zwiernik，半代数统计和潜在树模型
• Riccomagno，代数统计简史

以下是相关参考文献列表，虽然提供了用于该主题的方法的背景，但并未直接涉及代数统计：

• Lauritzen，图形模型
• Lauritzen，具体抽象代数
• 珍珠，因果关系：模型、推理和推理
• Cox, Little, O'Shea, Ideals, Varieties, and Algorithms: An Introduction to Computational Algebraic Geometry and Commutative Algebra
• Garrity、Belshoff、Boos 等人，代数几何：一种解决问题的方法
• Sturmfels，多项式方程的求解系统
• Uhler，图形模型中最大似然估计的几何

有关该主题、过去和现在的课程网页：

• Sturmfels 教授在伯克利的课程
• 柏林工业大学的课程
• 柏林自由大学研讨会
• 热那亚大学会议
• 伯克利代数统计研讨会

这些清单几乎可以肯定绝不是全面的。

• Sumio Watanabe，代数几何和统计学习理论，剑桥大学出版社，剑桥，英国，2009 年。

这本书肯定会产生影响，它为在统计学习理论中使用代数几何奠定了基础。许多广泛应用于信息科学的统计模型和学习机都有一个奇异的参数空间：混合模型、神经网络、HMM、贝叶斯网络和随机上下文无关文法是主要的例子。代数几何和奇点理论为研究这种非光滑模型提供了必要的工具。建立了四个主要公式：

1. 对数似然函数可以使用奇异点的分辨率给出一个通用的标准形式，甚至应用于更复杂的模型；

2. 边际似然或“证据”的渐近行为是基于 zeta 函数理论推导出来的；

3. 推导出新的方法来根据训练误差估计贝叶斯和吉布斯估计中的泛化误差；

4. 代数簇的经验过程理论阐明了最大似然法和后验法的泛化误差。