机器学习专门研究计算机怎样模拟或实现人类的学习行为，它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。本书是一本机器学习的入门书，通过本书，学习者将初步理解主流的机器学习算法，并且可以用机器学习技术解决现实生活中的问题。只要有本科三年级以上的数学知识，会一种编程语言，就可以掌握本书的绝大部分内容。 本书共有15章，主要讲解经典的机器学习算法，如线性回归、逻辑回归、决策树等，同时讲解近几年才出现的算法，如XGBoost、LightGBM等集成学习算法。此外，本书还会讲解利用机器学习解决问题的实用技术，如Python、Scikitlearn工具的使用等。 本书配套有教学大纲、教学进度、教学课件、教学视频及习题，可以作为专科生、本科生、研究生的机器学习教材，也可以作为从事机器学习、数据挖掘相关工作的研究人员和技术人员的参考书。

黄海广，温州大学计算机与人工智能学院教师，博士，副教授。黄海广博士致力于致力于人工智能在国内的普及工作，在学术界和工业界都有大量读者；善于指导初学者入门，他翻译和编写过大量人工智能领域的文章，帮助过无数初学者。其个人笔记《吴恩达机器学习个人笔记》被下载超过百万次，个人的Github的获赞数（star）50000多个；在知识分享平台知乎，拥有关注者超过4.6万人，文章被收藏超过15万次。

前言 机器学习(machine learning)是研究计算机怎样模拟或实现人类的学习行为的一门学科，以获取新的知识或技能，重新组织已有的知识结构，使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。 作为计算机系统结构专业的博士，本人一直致力于帮助机器学习初学者入门，主持和参与了很多国内外优秀作品的翻译、代码复现工作。比较有代表性的是吴恩达老师的机器学习课程的翻译工作及机器学习和深度学习笔记的撰写。 博士毕业后，本人成为一名大学教师，同时承担了本科生和研究生机器学习课程的教学工作。在教学过程中，本人学习和借鉴了国内外很多非常优秀的机器学习课程或作品(如吴恩达老师的机器学习课程、李航老师的《统计学习方法》、周志华老师的《机器学习》等)。站在巨人的肩膀上，本人决定写一本适合本科生和初学者的机器学习入门书。 本书初稿于2021年3月完成，并根据初稿的内容进行授课。经过3轮授课，本团队对其中的部分内容进行了调整，使其更适合初学者学习。同时，根据本书的内容，制作了慕课，通过中国大学慕课向读者开放，第一轮学习者超过1.1万人，属于比较热门的课程。 本书的课件和代码，已经分享在Github。同时，原版课件分享给了国内700多位大学教师，也收到了很多宝贵的意见。 本书定位为入门基础课，通过本书，学习者将初步理解主流的机器学习算法，并且可以用机器学习技术解决现实生活中的问题。 本书对初学者来说，属于“雪中送炭”，而不是“锦上添花”，更适合初学者学习，主要解决初学者的三个问题: (1) 资料太多，难以取舍。 (2)...