前言

近十年來，大數據、人工智能和深度學習開始流行，與它們相關聯的機器學習技術也已經被人們所熟知。

機器學習算法并非只有數據分析師才需要理解并在工作中應用，軟件工程師和項目管理人員等也會用到。因此，本書將為大家講解各種機器學習算法。

剛開始接觸機器學習的人可能會對不熟悉的數學公式和統計術語感到頭疼。這時，我們可以借助圖來理解，這有助于我們把握機器學習的全貌。為了幫助非科班出身的機器學習初學者理解，本書在講解時盡可能少地使用數學公式，主要使用的是圖，所以各種算法的特征和不同一目了然。

如果你在嘗試學習機器學習時因不熟悉數學公式和統計術語而受挫，那么一定要讀一讀本書。

本書代碼是使用 Python 實現的。Python 是極具人氣的編程語言，它有豐富的機器學習和統計相關的庫。請務必一邊實際地運行代碼，一邊閱讀本書。

目標讀者

本書的目標讀者如下。

• 對機器學習感興趣，并且已開始學習的人。
• 了解一些機器學習算法，想學習更多機器學習算法的人。
• 不擅長數學公式，在閱讀機器學習專業書時感到吃力的人。
• 希望能夠根據要解決的問題選擇恰當的機器學習算法的人。
• 有一定的編程經驗，能夠運行示例代碼的人。

本書不會詳細解釋機器學習的數學背景知識以及進行調優計算時的具體步驟。如果讀者想深入理解，請閱讀參考文獻或相關圖書。

本書的主要內容

各章內容如下。

首先，第 1 章是對機器學習基礎知識的說明。如果想先了解一下機器學習的整體情況，請從第 1 章開始按順序閱讀。

第 2 章和第 3 章講解了一些機器學習算法。如果讀者對機器學習有一定程度的了解或者想學習某個算法，可以從這兩章的算法開始讀起。

第 4 章綜合介紹了機器學習的評估方法。在實際使用機器學習時，這一章的內容一定會對讀者有所幫助。

第 5 章介紹了 Python 的環境搭建方法。

關于數學公式和符號

針對本書涉及的數學公式和符號，說明如下。

• 向量

  向量用小寫字母粗斜體表示。向量的第 個元素表示為 。

  

   

• 矩陣

  矩陣用大寫字母粗斜體表示。矩陣第 行第 列的元素表示為 。

  

   

• 總和

  元素的總和用∑符號表示。計算 個值 的總和的數學式表示為：

  

本書的示例代碼

• 本書示例代碼的運行環境

  經過驗證，本書各章的示例代碼可以在以下環境正常運行。

  • Python：3.7
  • scikit-learn：0.20.3

   

• 示例代碼的下載地址

  本書的示例代碼可從圖靈社區本書主頁1下載。

   

• 免責聲明

  我們已確認在正常使用示例代碼時不會發生任何問題，但是對于應用本書示例代碼所產生的一切損失，作譯者和出版方概不負責。

1請至“隨書下載”處下載本書示例代碼文件。——編者注