譯者序

機器學習是人工智能領域中最能夠體現機器智能的一個分支，也是人工智能領域發展最快的一個分支，其主要研究計算機如何模擬人類的學習行為，以獲取新的知識和技能，并在對新知識不斷學習的過程中逐步提升計算機的學習能力。數據、學習算法和模型是機器學習的三要素，計算機通過輸入的數據，利用相關的學習算法，得到穩定的模型結構，產生可靠的預測結果。機器學習過程分為4個主要步驟：數據預處理、機器學習或模型訓練、模型評估以及新數據預測。根據訓練數據是否有標注，機器學習可以分為監督學習和無監督學習兩大類。除此之外，機器學習還包括集成學習、深度學習和增強學習等內容。

本書通過具體的編程實踐案例，全面系統地講述了機器學習涉及的核心內容。全書共分為13章，包括機器學習概述、基于OpenCV的數據處理、監督學習、無監督學習、數據表示和特征工程、基于決策樹的醫療診斷、基于支持向量機的行人檢測、基于貝葉斯學習的垃圾郵件過濾、基于深度學習的手寫數字分類、集成分類方法、模型選擇與超參數調優、OpenCV 4.0中的OpenVINO工具包等內容。

為了便于學習，作者在GitHub上提供了相關用例的完整源代碼，供讀者下載使用。通過書中提供的用例代碼，讀者可以快速熟悉并掌握機器學習領域的相關知識。本書既適合想要從事機器學習及其相關領域研發的初學者，又適合致力于機器學習研究的高層次讀者。對于初次接觸機器學習及其相關領域的人員，在閱讀本書前，建議預先閱讀Python編程的相關書籍，或者學習有關Python編程的在線教程。

本書由重慶郵電大學教師劉冰博士歷時4個多月翻譯完成。為了能夠準確地完成本書的翻譯，譯者查閱了大量有關機器學習、深度學習以及OpenCV 4.0等方面的中外文圖書資料。但因水平有限，譯文中難免存在疏漏，懇請讀者批評指正。

感謝機械工業出版社華章公司的編輯，是他們的嚴格要求，使本書得以高質量出版。

劉冰
liubing@cqupt.edu.cn