【作者介紹】

Drew Conway 機器學習專傢，擁有豐富的數據分析與處理工作經驗。目前主要利用數學、統計學和計算機技術研究國際關係、衝突和恐怖主義等。他曾作為研究員在美國情報和國防部門供職數年。他擁有紐約大學政治係博士學位，曾為多種雜誌撰寫文章，是機器學習領域的著名學者。

John Myles White 機器學習專傢，擁有豐富的數據分析與處理工作經驗。目前主要從理論和實驗的角度來研究人類如何做齣決定，同時還是幾個流行的R語言程序包的主要維護者，包括ProjectTemplate和log4r。他擁有普林斯頓大學哲學係博士學位，曾為多傢技術雜誌撰稿，發錶過許多關於機器學習的論文，並在眾多國際會議上發錶演講。

【譯者介紹】

羅森林 博士，教授，博導。現任北京理工大學信息係統及安全對抗實驗中心主任、專業責任教授。國防科技工業局科學技術委員會成員；《中國醫學影像技術雜誌》、《中國介入影像與治療學》編委會委員；全國大學生信息安全技術專題邀請賽專傢組副組長；中國人工智能學會智能信息安全專業委員會委員等。主要研究方嚮為信息安全、數據挖掘、媒體計算、中文信息處理等。負責或參加完成國傢自然科學基金、國傢科技支撐計劃、863計劃、國傢242計劃等省部級以上項目40餘項。已發錶學術論文90餘篇，齣版著作8部，齣版譯著1部，獲授權專利3項。

陳開江　新浪微博搜索部研發工程師，曾獨立負責微博內容反垃圾係統、微博精選內容挖掘算法、自助客服係統（包括自動迴復、主動挖掘、輿情監測）等項目，目前主要從事社交挖掘、推薦算法研究、機器學習、自然語言處理相關工作，研究興趣是社交網絡的個性化推薦。

劉逸哲　阿裏巴巴，CBU基礎平颱部搜索與推薦團隊核心技術與query分析方嚮負責人，機器學習技術領域及圈子負責人。曾任中國雅虎相關性團隊、自然語言處理團隊算法工程師；AvePoint.inc開發工程師，從事企業級搜索引擎開發。研究興趣是機器學習、自然語言處理及個性化推薦等算法在大規模數據上的應用。

孟曉楠　一淘廣告技術，阿裏非搜索廣告算法負責人，負責用戶行為分析、建模與細分，RTB競價算法，展示廣告CTR預估與SEM優化。曾工作於網易杭州研究院，參與過分布式全文檢索係統和網易博客産品的數據挖掘算法開發。研究興趣是計算廣告技術、機器學習、大數據技術、信息檢索等。

這本書為機器學習技術提供瞭一些非常棒的案例研究。它並不想成為一本關於機器學習的工具書或者理論書籍，它注重的是一個學習的過程，因而對於任何有一些編程背景和定量思維的人來說，它都是不錯的選擇。

——Max Shron OkCupid

機器學習是計算機科學和人工智能中非常重要的一個研究領域，近年來，機器學習不但在計算機科學的眾多領域中大顯身手，而且成為一些交叉學科的重要支撐技術。本書比較全麵係統地介紹瞭機器學習的方法和技術，不僅詳細闡述瞭許多經典的學習方法，還討論瞭一些有生命力的新理論、新方法。

全書案例既有分類問題，也有迴歸問題；既包含監督學習，也涵蓋無監督學習。本書討論的案例從分類講到迴歸，然後討論瞭聚類、降維、最優化問題等。這些案例包括分類：垃圾郵件識彆，排序：智能收件箱，迴歸模型：預測網頁訪問量，正則化：文本迴歸，最優化：密碼破解，無監督學習：構建股票市場指數，空間相似度：用投票記錄對美國參議員聚類，推薦係統：給用戶推薦R語言包，社交網絡分析：在Twitter上感興趣的人，模型比較：給你的問題找到最佳算法。各章對原理的敘述力求概念清晰、錶達準確，突齣理論聯係實際，富有啓發性，易於理解。在探索這些案例的過程中用到的基本工具就是R統計編程語言。R語言非常適閤用於機器學習的案例研究，因為它是一種用於數據分析的高水平、功能性腳本語言。

本書主要內容：

·開發一個樸素貝葉斯分類器，僅僅根據郵件的文本信息來判斷這封郵件是否是垃圾郵件；

·使用綫性迴歸來預測互聯網排名前1000網站的PV；

·利用文本迴歸理解圖書中詞與詞之間的關係；

·通過嘗試破譯一個簡單的密碼來學習優化技術；

·利用無監督學習構建股票市場指數，用於衡量整體市場行情的好壞；

·根據美國參議院的投票情況，從統計學的角度對美國參議員聚類；

·通過K近鄰算法構建嚮用戶推薦R語言包；

·利用Twitter數據來構建一個“你可能感興趣的人”的推薦係統；

·模型比較：給你的問題找到最佳算法。