1、机器学习实用指南：从基础到应用

机器学习实用指南：从基础到应用

一、机器学习概述

（一）什么是机器学习

机器学习主要围绕预测展开。例如，判断患者是否患有某种疾病、客户是否会更换手机服务提供商、解读嘈杂音频中的内容，以及识别卫星观测到的亮点是森林火灾还是反射光等。我们通过一个或多个特征来预测结果，像疾病诊断中，结果是患病与否，特征则可能包括血液检测结果、家族病史等。所有机器学习方法都基于一个简单概念：相似性。以手机服务为例，预测某个客户的行为时，我们会查看过去的客户，挑选出在特征（如账单金额、缴费延迟记录、年收入等）上与当前客户最相似的那些。如果这些相似客户大多都更换了服务，我们就会预测当前客户也会如此，尽管这并非绝对，但却是我们的最佳猜测。

（二）数学在机器学习理论与实践中的作用

许多机器学习方法建立在优雅的数学理论之上，支持向量机（SVM）就是一个显著例子。然而，了解这些理论对于在实际应用中有效运用 SVM 帮助不大。实际上，对机器学习方法如何运作有良好的直观理解，对于在实践中有效使用机器学习至关重要。我们应致力于培养对机器学习直觉的敏锐理解，而无需借助高等数学，并且书中很少使用方程。

（三）为何需要另一本机器学习书籍

市面上有很多优秀的机器学习书籍，但没有一本能真正让读者在现实世界问题中有效运用机器学习。很多书籍要么过于理论化，要么是“食谱式”的应用书籍，侧重于机器学习软件的语法和语义，导致读者虽然熟悉软件，但无法很好地运用机器学习。编写本书的原因如下：
1. 需要一本使用 R 语言但并非关于 R 的书，这是一本用 R 语言举例的机器学习书籍，而非关于在机器学习中使用 R 的书。
2. 需要一本认识到机器学习是一门艺