【订阅前必读】机器学习的“道”与“术”专栏的说明

本博客关于机器学习的话题共开设了两个专栏：

• 【机器学习之术】：着重介绍各类常用的经典机器学习方法之原理思路、数学细节、应用实践（基于Python, R和MATLAB），具体涉及内容包括但不限于支持向量机、期望最大化模型、AdaBoost、GDBT、概率图模型（包括贝叶斯网络及HMM）、kNN、朴素贝叶斯、k均值、CART和C4.5决策树等
• 【机器学习之道】：侧重机器学习的理论基础，采用循序渐进的方式，系统地引领读者进入机器学习的世界。如果说学习有“道”和“术”的层次之分，那么本专栏将更偏向于“道”的层面，跳脱具体算法，探讨一些更泛华化的概念，例如降维、采样、MCMC、正则化等。既娓娓道来，又刨根问底，希望能够带领读者实现破茧化蝶的自我提升

专栏文章订阅量不知不觉已经破千了，特叮嘱一句，请先浏览一下专栏的目录（文章标题与简介信息），勿冲动消费！！！

 

WARNING!!!

文章主要是笔者经验的总结，最初仅仅是个人学习的笔记或者备忘。很多讲解、描述，不能完全排除笔者的主观性。VIEWER DISCRETION IS ADVISED !!! 当然，这里不是说内容上有什么限制级的有碍观瞻，而是说读者自己应该有自我鉴别能力。笔者不对文章所有细节的准确性负责，如果你觉得哪里说得不对，请以经典论文原文为准。

博客里机器学习专栏的文章大部分被收录进了我已经出版的、与机器学习（或统计学习）相关的书籍中，换言之，你可能会发现博客文章与下面这些书籍有很多交叉的内容。当然，博客文章可以随时更新，而书籍一旦印刷出来，顶多也就只能在加印时进行词句程度的微调了。

---

人工智能与数据科学

 

• R语言实战――机器学习与数据分析，电子工业出版社
• 统计学习理论与方法——R语言版，清华大学出版社
• 机器学习中的数学修炼，清华大学出版社
• 机器学习原理与实践（Python版），清华大学出版社
• Python机器学习中的数学修炼，清华大学出版社