最近寫了一本機器學習的入門書，針對初學者，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外優秀作品的翻譯、代碼復現工作，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外很多非常優秀的機器學習課程或作品(如吳恩達老師的機器學習課程、李航老師的統計學習方法、周志華老師的機器學習等)，經典是只能學習，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學水平的學生入門。

這本書將在清華大學出版社出版，目前已經交稿，預計6個月內出版。

本書正文300多頁，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。

內容簡介

這本書的初稿于2021年3月完成，并根據初稿的內容進行授課，經過三輪授課，我們團隊對其中的部分內容進行了調整，更適合初學者學習，同時，根據本書的內容，制作了慕課，并通過中國大學慕課向讀者開放，第一輪學習者超過1.1萬人，屬于比較熱門的課程。

這本書的課件和代碼，已經在Github進行分享，原版課件分享給了國內700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，還包括Python、Scikit-learn工具的使用等等。

本書定位為入門基礎課，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解決現實生活中的問題。

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學知識，會一種編程語言，就可以掌握這本書的絕大部分內容。

本書共有15章，本書結構大體分為：監督學習、無監督學習兩個部分。監督學習介紹了多種常見的機器學習算法，如KNN、線性回歸、SVM、神經網絡、樸素貝葉斯、邏輯回歸、集成學習等分類算法和回歸算法。無監督學習則聚焦于聚類、降維、關聯規則等幾大問題，并對K-means、PCA等代表算法進行了介紹，此外，還對關聯規則的主要算法進行講解。此外，本書的第2章為選修內容，附上了所需的數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章數學基礎回顧和第11章人工神經網絡可以作為選修部分，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。

相關資源

這本書的視頻內容已經在中國大學慕課進行授課，目前是第二輪了。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。

書名暫定《機器學習入門基礎》（征集書名和封面了!）

機器學習交流qq群955171419，加入微信群請掃碼：

總結

以上是生活随笔為你收集整理的写了本机器学习入门书的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。