Learning from Data-A short course 我的中文翻译及练习题解答还有生物信息的实际应用1

我的中文翻译及练习题解答还有生物信息的实际应用1)

前言

本书是为了给机器学习的精短课程设计的，是精简的课程但不是急促的。从超过十年的使用本书教学的经验中，我们提炼了我们认为每个学生都应该知道的核心课题。我们选择了Learning from data这个可以诚挚的形容这本书内容的题目，同时坚持覆盖课题用讲故事的方式。我们希望读者通过阅读每一页可以学到所有的课题基础。

本书有截然不同的理论和实践学习路径。如果你读两本分别聚焦在理论或者实践，你可能会觉得你在同时在参加两种课程。在本书里，我们平衡了理论和实践，数学和启发。我们涵盖的标准至关重要。用来建立概念性框架的理论和启发式影响真实学习系统表现本列入。不同部分的优势与被剔除。我们想表达这样的哲理：我们知道的和不知道的还有我们知道一部分的。

使用本教材可以按照内容的顺序。第2章第内容是个例外，因为是本书理论最多的章节。本章节覆盖的一般化理论是从数据学习的中心，我们努力使不同读者都能读懂。然而，使用本教材的讲师对实践更感兴趣的可能会跳过本章节，或者在第3章节的实践部分讲解之后在来回顾第2章节。

你会注意到我们包含了很多练习（灰色的盒子）在很多部分。这些练习的主要目的是为了使读者参与并增强对特定问题对理解。我们将练习单独分开对原因是他们对书的逻辑流程并不重要。尽管如此，他们包括了有用的信息，我们强烈建议你去阅读他们，尽管你不需要去将他们都做完。讲师可能会发现有的练习当作简单的课后作业非常合适，我们还提供了很多不同难度的附加问题在没章节末尾的问题部分。

为了帮助讲师用本书准备课程，我们在本书的网站上提供了很多支持资料（AMLbook.com）。还有一个能覆盖本书更多内容的讨论社区，我们会在本书的结尾讨论这些。

感谢（按照每组的字母顺序）：我们希望对给我们很多专业细致反馈的在Caltech的同僚表达诚挚的谢意：Zehra Cataltepe , Ling Li, Amrit Pratap, Joseph Sill。我们感谢在本书编写过程中给了很多有用的反馈的学生和同事，特别是Chun-Wei Liu。Caltech图书馆的工作人员，特别是Kristin Buxton和David McCaslin，给了我们出版的绝佳建议。我们也感谢Lucinda Acosta在本书写作提供了全程的帮助。

最后，我们感谢我们的家人的支持和鼓励，和他们在我们写本书的时候占用的时间表示的耐心。

Yaser S. Abu-Mostafa, Pasadena, California.
Malik Magdon-Ismail, Troy, New York.
Hsuan-Tien Lin, Taipei, Taiwan.
March, 2012.

本书目录