寫了本機器學習的入門書

我寫的一本針對大學生入門機器學習的教材《機器學習入門基礎(chǔ)》即將上市，希望能給初學者雪中送炭。

黃海廣

動機

作為計算機方向的博士，本人一直熱衷于幫助機器學習初學者入門方面的工作，主持和參與了很多國內(nèi)外優(yōu)秀作品的翻譯、代碼復現(xiàn)工作，比較有代表性的是吳恩達老師的機器學習課程的翻譯工作，以及機器學習和深度學習筆記的撰寫，幫助了很多初學者。

博士畢業(yè)后，我成為一名大學教師，同時承擔了本科生和研究生的機器學習課程的教學工作。在教學過程中，我學習和借鑒了國內(nèi)外很多非常優(yōu)秀的機器學習課程或作品(如吳恩達老師的機器學習課程、李航老師的統(tǒng)計學習方法、周志華老師的機器學習等)，經(jīng)典是只能學習，不能超越。

站在巨人的肩膀上，本人決定寫一本適合本科生和初學者的機器學習入門書，以方便只有本科三年級數(shù)學水平的學生入門。

這本書已經(jīng)完成部分印刷，將在清華大學出版社出版。

本書正文244頁，此外還包含代碼、課件、視頻、教學大綱、教學進度。不僅適合初學者學習，也適合新手老師授課。

內(nèi)容簡介

這本書的初稿于2021年3月完成，并根據(jù)初稿的內(nèi)容進行授課，經(jīng)過三輪授課，我們團隊對其中的部分內(nèi)容進行了調(diào)整，更適合初學者學習，同時，根據(jù)本書的內(nèi)容，制作了慕課，并通過中國大學慕課向讀者開放，累計學習者超過2萬人，屬于比較熱門的課程。

這本書的課件和代碼，已經(jīng)在Github進行分享，原版課件分享給了國內(nèi)1400多位大學教師，也收到了很多寶貴的意見。

在本書中，我們主要講解經(jīng)典的機器學習算法，如線性回歸、邏輯回歸、決策樹等，也將講解近幾年才出現(xiàn)的如XGBoost、LightGBM等集成學習算法，每章都有代碼，以及20題以上的練習題。此外，這本書還會講解利用機器學習解決問題的實用技術(shù)，還包括Python、Scikit-learn工具的使用等等。

本書定位為入門基礎(chǔ)課，通過這本書，學習者將初步理解主流的機器學習算法，并且可以用機器學習技術(shù)解決現(xiàn)實生活中的問題。

本書對初學者來說，屬于“雪中送炭”，而不是“錦上添花”，更適合初學者學習，主要解決初學者的三個問題：

（1）資料太多，難以取舍。

（2）理論性強，初學比較困難。

（3）代碼資料比較少。

只要有本科三年級以上的數(shù)學知識，會一種編程語言，就可以掌握這本書的絕大部分內(nèi)容。

本書共有15章，本書結(jié)構(gòu)大體分為：監(jiān)督學習、無監(jiān)督學習兩個部分。監(jiān)督學習介紹了多種常見的機器學習算法，如KNN、線性回歸、SVM、神經(jīng)網(wǎng)絡(luò)、樸素貝葉斯、邏輯回歸、集成學習等分類算法和回歸算法。無監(jiān)督學習則聚焦于聚類、降維、關(guān)聯(lián)規(guī)則等幾大問題，并對K-means、PCA等代表算法進行了介紹，此外，還對關(guān)聯(lián)規(guī)則的主要算法進行講解。此外，本書的第2章為選修內(nèi)容，附上了所需的數(shù)學知識回顧供同學們參考。

本書可以作為專科生、本科生、研究生的教材，作為本科生的教材時，第2章數(shù)學基礎(chǔ)回顧和第11章人工神經(jīng)網(wǎng)絡(luò)可以作為選修部分，建議課時：理論課32課時，實驗課16~32課時；作為專科生的教材時，建議配合代碼進行課程講解，增加實驗部分課時，減少理論部分課時，建議課時：理論課32課時，實驗課32課時；作為研究生的教材時，建議課時為36課時，實驗部分建議自學。

相關(guān)資源

這本書的視頻內(nèi)容已經(jīng)在中國大學慕課進行授課，目前是第四輪了。慕課地址：

https://www.icourse163.org/course/WZU-1464096179

課程資源（pdf版本課件和代碼）公布在Github：

https://github.com/fengdu78/WZU-machine-learning-course

本書的課件和教案，可以分享給在職的教師， 請用edu郵箱聯(lián) 系我： haiguang2000@ wzu.edu.cn

在本書的編寫過程中，得到了很多人的支持和幫助，如李航老師和徐亦達老師，對我的工作十分支持，在此表示感謝！

本人水平有限，如有公式、算法錯誤，歡迎各位讀者指正批評。

一起 “ 點贊 ” 三連 ↓