序

　　你也許不知道，但機器學(xué)習(xí)就在你身邊。當(dāng)你把查詢信息輸入搜索引擎時，它確定該向你顯示哪些搜索結(jié)果（包括顯示哪些廣告）。當(dāng)你打開郵箱時，大部分垃圾郵件你無法看到，因為計算機已經(jīng)把這些垃圾郵件過濾了。登錄亞馬遜網(wǎng)站購買一本書，或登錄網(wǎng)飛（Netflix）公司網(wǎng)站觀看視頻，機器學(xué)習(xí)系統(tǒng)會推薦一些你可能喜歡的產(chǎn)品。臉書（Facebook）利用機器學(xué)習(xí)決定該向你展示哪些更新，推特（Twitter）也同樣會決定顯示哪些文章。你使用計算機的任何時候，都有可能涉及機器學(xué)習(xí)。

　　傳統(tǒng)上認(rèn)為，讓計算機完成某件事情的唯一方法（從把兩個數(shù)相加到駕駛飛機），就是非常詳細(xì)地記錄某個算法并解釋其如何運行。但機器學(xué)習(xí)算法就不一樣：通過從數(shù)據(jù)中推斷，它們自己會弄明白做事方法。掌握的數(shù)據(jù)越多，它們的工作就越順利�，F(xiàn)在我們不用給計算機編程，它們自己給自己編程。

　　機器學(xué)習(xí)不僅存在于網(wǎng)絡(luò)空間，它還存在于你每天的生活中：從你醒來到入睡，每時每刻無所不在。

　　早上7 點你的收音機鬧鐘響起，播放的是你之前從未聽過的歌曲，但你的確很喜歡這首歌。Pandora 電臺（可免費根據(jù)你的喜好播放歌曲）的優(yōu)勢在于，根據(jù)你聽的音樂，電臺掌握了你的品位，就像你自己的radio jock 賬號一樣。這些歌曲本身可能借助機器學(xué)習(xí)來播放。接下來你吃早餐，閱讀早報。早報在幾個小時前印好，利用學(xué)習(xí)算法，印刷過程經(jīng)過仔細(xì)調(diào)整，以免報紙出現(xiàn)折痕。你房間的溫度剛剛好，電費明顯少了很多，因為你安裝了Nest智能溫控器。

　　你開車去上班，車持續(xù)調(diào)整燃油噴射和排氣再循環(huán)，以達(dá)到最佳的油耗。你利用一個交通預(yù)報系統(tǒng)（Inrix）來縮短高峰時段上下班的時間，這當(dāng)然能減緩你的壓力。上班時，機器學(xué)習(xí)幫你克服信息超載。你利用數(shù)據(jù)立方體來匯總大量數(shù)據(jù)，從每個角度觀察該立方體，獲取最有用的信息。你要決定是采用布局方案A，還是采用布局方案B，以便為網(wǎng)站帶來更多的業(yè)務(wù)。網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng)會嘗試兩種布局方案，并給予反饋。你得對潛在供應(yīng)商的網(wǎng)站進(jìn)行調(diào)查，但網(wǎng)站的語言是外語。沒關(guān)系，谷歌會自動為你翻譯。E–mail 會自動分類并歸入相應(yīng)的文件夾，只把最重要的信息留在郵箱里，非常方便。文字處理軟件幫你查找語法和拼寫錯誤。你為即將到來的行程查找到一個航班，但決定推遲購買機票，因為必應(yīng)旅行（Bing Travel）預(yù)測票價很快會下降。也許你沒有意識到以上這些，要不是機器學(xué)習(xí)幫助你，你可能要馬不停蹄地親自做很多事情。

　　你在休息時間查看自己的共同基金，大部分基金利用學(xué)習(xí)算法來選股，其中的某些基金完全由學(xué)習(xí)系統(tǒng)運作。午餐時間到了，你走在大街上，想找個吃飯的地方，這時候用手機上的Yelp點評應(yīng)用程序來幫助你。你的手機充滿了學(xué)習(xí)算法，它們努力工作，改正拼寫錯誤、理解口頭指令、減少傳輸誤差、識別條形碼，還有其他很多事情。手機甚至可以預(yù)測你接下來會做什么，然后依此給出建議。例如，當(dāng)你吃完午餐后，它會小心翼翼地提示你，下午和外地來訪者的會面要推遲，因為她的航班延誤了。

　　下班時夜幕已降臨，你走向自己的車，機器學(xué)習(xí)會保證你的安全，監(jiān)測停車場監(jiān)控攝像頭的錄像，如果探測到可疑人的行動，它會提示不在場的安保人員。在回家路上，你在超市門口停車，走向超市貨物通道，通道借助學(xué)習(xí)算法進(jìn)行布置：該擺放哪些貨物，通道末尾該展示哪些產(chǎn)品，洋蔥番茄辣醬是否該放在調(diào)味醬區(qū)域，或是放在墨西哥玉米片旁邊。你用信用卡付款。學(xué)習(xí)算法會向你發(fā)送信用卡支付提示，并在得到你的確認(rèn)后完成支付。另外一個算法持續(xù)尋找可疑交易，如果它覺得你的卡號被盜，則會提示你。還有一種算法嘗試評估你對這張卡的滿意度，如果你是理想的客戶但對服務(wù)不太滿意，銀行會在你決定換卡之前，為你提供更貼心的服務(wù)。

　　你回到家，走到信箱旁，發(fā)現(xiàn)有朋友的一封來信，這是通過能閱讀手寫地址的學(xué)習(xí)算法派送的。當(dāng)然也會有垃圾來信，由另外的學(xué)習(xí)算法進(jìn)行選擇。你停留了一會兒，呼吸夜晚清新涼爽的空氣。你所在城市的犯罪率明顯下降了，因為警察開始使用統(tǒng)計算法來預(yù)測哪里的犯罪率最高，并在那里集中巡警力量。你和家人共享晚餐。市長出現(xiàn)在新聞里，你為他投票，因為選舉那天，學(xué)習(xí)算法確定你為“關(guān)鍵未投票選民”之后，他親自給你打了電話。吃完晚餐，你觀看球賽，兩支球隊都借助統(tǒng)計學(xué)習(xí)來挑選隊員。你也可能和孩子們在Xbox 上玩游戲，Kinecta學(xué)習(xí)算法確定你在哪里、在做什么。你在睡前吃藥，醫(yī)生通過學(xué)習(xí)算法的輔助來設(shè)定和檢測吃藥的最佳時間。醫(yī)生也可能利用機器學(xué)習(xí)來幫你診斷疾病，例如，分析X射線結(jié)果并弄明白一系列非正常癥狀。

　　機器學(xué)習(xí)參與了你人生的每個階段。如果你為了參加SAT大學(xué)入學(xué)考試（美國學(xué)術(shù)能力評估測試）而在網(wǎng)上學(xué)習(xí)，某學(xué)習(xí)算法會給你的練習(xí)短文打分。如果你申請商學(xué)院，且最近要參加GMAT（經(jīng)企管理研究生入學(xué)考試），其中的一個文章打分工具就是一個學(xué)習(xí)系統(tǒng)�？赡墚�(dāng)你求職時，某學(xué)習(xí)算法會從虛擬文件中挑選出你的簡歷，并告訴未來的雇主：這位是很不錯的人選，看看吧。最近公司給你加薪可能還多虧另外的學(xué)習(xí)算法。如果想買套房子，Zillow.com網(wǎng)站會估算你看中的每套房的價值，接著房子就有了著落。之后申請住房貸款，某學(xué)習(xí)算法會研究你的申請，并建議是否可以通過申請。最重要的是，如果你使用在線約會服務(wù)，機器學(xué)習(xí)甚至可能幫你找到人生摯愛。

　　社會在不斷變化，學(xué)習(xí)算法也是如此。機器學(xué)習(xí)正在重塑科學(xué)、技術(shù)、商業(yè)、政治以及戰(zhàn)爭。衛(wèi)星、DNA（脫氧核糖核酸）測序儀以及粒子加速器以前所未有的精細(xì)程度探索自然，同時，學(xué)習(xí)算法將龐大的數(shù)據(jù)轉(zhuǎn)變成新的科學(xué)知識。企業(yè)從未像現(xiàn)在這樣了解自己的用戶。在美國大選中，擁有最佳選舉模型的候選人奧巴馬最終戰(zhàn)勝了對手羅姆尼，獲得了競選勝利。無人駕駛汽車、輪船、飛機分別在陸地、海面、空中進(jìn)行生產(chǎn)前測試。沒有人把你的喜好編入亞馬遜的推薦系統(tǒng)，學(xué)習(xí)算法通過匯總你過去的購買經(jīng)歷就能確定你的喜好。谷歌的無人駕駛汽車通過自學(xué)，懂得如何在公路上平穩(wěn)行駛，沒有哪個工程師會編寫算法，一步一步指導(dǎo)它該怎么走、如何從A地到達(dá)B地——這也沒必要，因為配有學(xué)習(xí)算法的汽車能通過觀察司機的操作來掌握開車技能。

　　機器學(xué)習(xí)是“太陽底下的新鮮事”：一種能夠構(gòu)建自我的技術(shù)。從遠(yuǎn)古祖先學(xué)會打磨石頭開始，人類就一直在設(shè)計工具，無論這些工具是手工完成的，還是大批量生產(chǎn)的。學(xué)習(xí)算法本身也屬于工具，可以用它們來設(shè)計其他工具�！坝嬎銠C毫無用處，”畢加索說，“它們只能給你提供答案�！庇嬎銠C并沒有創(chuàng)造性，它們只能做你讓它們做的事。如果你告訴它們要做的事涉及創(chuàng)造力，那么就要用到機器學(xué)習(xí)。學(xué)習(xí)算法就像技藝精湛的工匠，它生產(chǎn)的每個產(chǎn)品都不一樣，而且專門根據(jù)顧客的需要精細(xì)定制。但是不像把石頭變成磚、把金子變成珠寶，學(xué)習(xí)算法是把數(shù)據(jù)變成算法。它們掌握的數(shù)據(jù)越多，算法也就越精準(zhǔn)。

　　現(xiàn)代人希望讓世界來適應(yīng)自己，而不是改變自己來適應(yīng)世界。機器學(xué)習(xí)是100 萬年傳奇中最新的篇章：有了它，不費吹灰之力，世界就能感知你想要的東西，并依此做出改變。就像身處魔法林，在你通過時，周圍的環(huán)境（今天虛擬，明天現(xiàn)實）會進(jìn)行自我重組。你在樹木和灌木中選出的路線會變成一條路，迷路的地方還會出現(xiàn)指路標(biāo)志。

　　這些看似有魔力的技術(shù)十分有用，因為機器學(xué)習(xí)的核心就是預(yù)測：預(yù)測我們想要什么，預(yù)測我們行為的結(jié)果，預(yù)測如何能實現(xiàn)我們的目標(biāo)，預(yù)測世界將如何改變。從前，我們依賴巫醫(yī)和占卜師進(jìn)行預(yù)測，但他們太不可靠；科學(xué)的預(yù)測就更值得信賴，但也僅限于我們能系統(tǒng)觀察和易于模仿的事物，大數(shù)據(jù)和機器學(xué)習(xí)卻大大超出這個范圍。我們可通過獨立的思維來預(yù)測一些常見的事情，包括接球和與人對話，但有些事情，即便我們很努力，也無法預(yù)測�？深A(yù)測與難以預(yù)測之間的巨大鴻溝，可以交給機器學(xué)習(xí)來填補。

　　矛盾的是，盡管學(xué)習(xí)算法在自然和人類行為領(lǐng)域開辟了新天地，但它們?nèi)曰\罩在神秘之中。媒體每天都報道涉及機器學(xué)習(xí)的新聞：蘋果公司發(fā)布Siri 個人助理，IBMa沃森（IBM的超級計算機）在《危險邊緣》游戲中戰(zhàn)勝了人類，塔吉特（Target）能在未成年媽媽的父母發(fā)現(xiàn)之前通知她懷孕，美國國家安全局在尋找信息連接點……在這些新聞事件中，學(xué)習(xí)算法如何起作用仍不得而知。計算機“吞入”數(shù)以萬億的字節(jié)，并神奇地產(chǎn)生新的觀點，關(guān)于大數(shù)據(jù)的書籍甚至也避談“這個過程到底發(fā)生了什么”。我們一般認(rèn)為學(xué)習(xí)算法就是找到兩個事件之間的聯(lián)結(jié)點，例如，用谷歌搜索“感冒藥”和患感冒之間的聯(lián)系。然而，尋找聯(lián)結(jié)點與機器學(xué)習(xí)的關(guān)系就像是磚與房子的關(guān)系，房子是由磚組成的，但一堆磚頭肯定不能稱之為“房子”。

　　當(dāng)一項新技術(shù)同機器學(xué)習(xí)一樣流行且具有革命性時，不弄明白其中的奧妙實在太可惜。模棱兩可會導(dǎo)致誤差和濫用。亞馬遜的算法能斷定當(dāng)今世界人們在讀什么書，這一點比誰都強。美國國家安全局的算法能斷定你是否為潛在恐怖分子。氣候模型可以判定大氣中二氧化碳的安全水平。選股模型比我們當(dāng)中的多數(shù)人更能推動經(jīng)濟(jì)發(fā)展。你無法控制自己理解不了的東西，這也是追求幸福的公民、專家或普通人需要了解機器學(xué)習(xí)的原因。

　　本書的第一個目標(biāo)就是揭示機器學(xué)習(xí)的秘密。只有工程師和機修工有必要知道汽車發(fā)動機如何運作，但每位司機都必須明白轉(zhuǎn)動方向盤會改變汽車的方向、踩剎車會讓車停下。當(dāng)今極少有人知道學(xué)習(xí)算法對應(yīng)的原理是什么，更不用說如何使用學(xué)習(xí)算法。心理學(xué)家丹·諾曼（Don Norman）創(chuàng)造了“概念模型”（conceptual model）這個新詞，代指為了有效利用某項技術(shù)而需粗略掌握的知識。本書就將介紹機器學(xué)習(xí)的概念模型。

　　并不是所有算法的工作原理都相同，這些差異會產(chǎn)生不同的結(jié)果，比如亞馬遜和網(wǎng)飛的推薦系統(tǒng)。假設(shè)這兩個系統(tǒng)試著根據(jù)“你喜歡的東西”來對你進(jìn)行引導(dǎo)，亞馬遜很有可能會把你帶到你之前常瀏覽的書籍類別，網(wǎng)飛則可能會把你帶到你不熟悉且似乎有點奇怪的區(qū)域，并引導(dǎo)你愛上那里。在本書當(dāng)中，我們會看到諸如亞馬遜、網(wǎng)飛之類的公司使用的各式各樣的算法。與亞馬遜相比，網(wǎng)飛公司的算法對你的愛好理解得更深（盡管還是很有限），然而具有諷刺意味的是，這并非意味著亞馬遜也應(yīng)該利用這個算法。網(wǎng)飛的商業(yè)模式是依靠晦澀的電影、電視節(jié)目的長尾效應(yīng)來推動需求，這些電影和節(jié)目的成本很低。它一般不推薦大片，因為你的會員訂閱費可能有限。亞馬遜則沒有這樣的問題：盡管擅長利用長尾效應(yīng)，但它同樣樂意把更昂貴的熱銷商品賣給你，這也會簡化其物流工作。對于那些奇怪的產(chǎn)品，如果是訂閱會員可免費享用的，我們可能會樂意去嘗試，而如果需要另外掏錢，我們?nèi)ミx擇它們的可能性就小得多。

　　每年都會出現(xiàn)上百種新的算法，但它們都是基于幾個相似的基本思路。為了明白機器學(xué)習(xí)如何改變世界，你有必要理解這些思路。本書就將對此進(jìn)行介紹。學(xué)習(xí)算法并不是那么深奧難懂，除了運用在計算機上，對于我們來說很重要的問題都可以通過學(xué)習(xí)算法找到答案，比如：我們?nèi)绾螌W(xué)習(xí)？有沒有更好的方法？我們能預(yù)測什么？我們能信任所學(xué)的知識嗎？對這些問題，機器學(xué)習(xí)的各個學(xué)派有不同的答案。

　　機器學(xué)習(xí)主要有5 個學(xué)派，我們會對每個學(xué)派分別介紹：符號學(xué)派將學(xué)習(xí)看作逆向演繹，并從哲學(xué)、心理學(xué)、邏輯學(xué)中尋求洞見；聯(lián)結(jié)學(xué)派對大腦進(jìn)行逆向分析，靈感來源于神經(jīng)科學(xué)和物理學(xué)；進(jìn)化學(xué)派在計算機上模擬進(jìn)化，并利用遺傳學(xué)和進(jìn)化生物學(xué)知識；貝葉斯學(xué)派認(rèn)為學(xué)習(xí)是一種概率推理形式，理論根基在于統(tǒng)計學(xué)；類推學(xué)派通過對相似性判斷的外推來進(jìn)行學(xué)習(xí)，并受心理學(xué)和數(shù)學(xué)最優(yōu)化的影響。在構(gòu)建機器學(xué)習(xí)的目標(biāo)推動下，我們將回顧過去100 年的思想史，并以新的觀點來看待這段歷史。

　　機器學(xué)習(xí)的5 個學(xué)派都有自己的主算法，利用這種萬能學(xué)習(xí)算法，原則上，你可以通過任何領(lǐng)域的數(shù)據(jù)來挖掘知識：符號學(xué)派的主算法是逆向演繹，聯(lián)結(jié)學(xué)派的主算法是反向傳播，進(jìn)化學(xué)派的主算法是遺傳編程，貝葉斯學(xué)派的主算法是貝葉斯推理，類推學(xué)派的主算法是支持向量機。在實踐中，這些算法可能在有些工作中可用，而在其他工作中不可用。我們真正想要尋找的是能夠綜合這5 種算法的終極算法。雖然有些人認(rèn)為這難以實現(xiàn)，但對機器學(xué)習(xí)領(lǐng)域的人來說，這個夢想賦予我們力量，促使我們夜以繼日地工作。

　　如果存在終極算法，那么它可以通過數(shù)據(jù)學(xué)得包括過去的、現(xiàn)在的以及未來的所有知識。創(chuàng)造終極算法將是科學(xué)歷史上最偉大的進(jìn)步之一。它可以加速各類知識的進(jìn)步，并以我們現(xiàn)在甚至無法想象的方式改變世界。終極算法與機器學(xué)習(xí)的關(guān)系就像標(biāo)準(zhǔn)模型和粒子物理學(xué)或中心法則與分子生物學(xué)的關(guān)系：該統(tǒng)一原理能理解人類當(dāng)今知道的一切，并為未來數(shù)十年或者數(shù)百年的進(jìn)步奠定基礎(chǔ)。今天我們面臨許多難題，比如制造家用機器人和治愈癌癥，終極算法就是解決這些難題的關(guān)鍵。

　　以癌癥為例。治愈癌癥十分困難，因為它往往是一種綜合疾病。腫瘤可由各種原因誘發(fā)，且在轉(zhuǎn)移時會發(fā)生突變。殺死腫瘤細(xì)胞最可靠的方法是對其基因進(jìn)行排序，弄明白哪些藥物可以抵抗癌細(xì)胞（這種方法不會對人造成傷害，患者必須提供基因和用藥史），甚至為你專門研制一種新藥。沒有哪個醫(yī)生能夠掌握該過程所需的所有知識。對于機器學(xué)習(xí)來說，這卻是再合適不過的任務(wù)。實際上，與亞馬遜和網(wǎng)飛每天所做的搜索工作相比，它的工作是為你找到正確的療法，而不是合適的書籍或者電影，而且它的工作更為復(fù)雜，也更具挑戰(zhàn)。遺憾的是，雖然當(dāng)今的學(xué)習(xí)算法能以超出人類水平的精確度來診斷疾病，但治愈癌癥仍遠(yuǎn)遠(yuǎn)超出它們的理解范圍。如果我們可以找到終極算法，這將不再是難題。

　　因此，本書的第二個目標(biāo)就是幫你創(chuàng)造終極算法。你可能會認(rèn)為這需要高深的數(shù)學(xué)運算和嚴(yán)謹(jǐn)?shù)睦碚摲矫娴墓ぷ�，正相反，它需要暫時放下數(shù)學(xué)奧秘，來觀看各種學(xué)習(xí)行為包羅萬象的模型。對外行人來說，他們就像從遠(yuǎn)方趕到終極算法這片森林，從某些角度看，他們比專家更適合創(chuàng)造終極算法，因為專家對某些學(xué)科已經(jīng)過于投入。一旦我們有了概念性的解決方法，就能補充數(shù)學(xué)上的細(xì)節(jié)，但這不是本書的目標(biāo)和重點。我們之所以談?wù)撁總�學(xué)派，是為了收集它們的觀點，并找到其適用之處。請記住，沒有哪個盲人能了解整頭大象。我們會尤其關(guān)注哪個學(xué)派能對治療癌癥做出貢獻(xiàn)，也關(guān)注該學(xué)派的缺失。然后，我們會將所有觀點集中，一步步地變成解決方案——這個解決方案可能還不是終極算法，但已是我們能找到的最接近終極算法的方案。希望它能解放你的大腦，讓你大膽想象。當(dāng)你閱讀本書時，如果覺得某些章節(jié)讀起來困難，可以隨意略讀甚至跳過它們。本書的概要才是重中之重，當(dāng)明白所有學(xué)派的觀點之后，如果你重讀那些困難的章節(jié)，收獲可能會比之前更多。

　　我研究機器學(xué)習(xí)已經(jīng)有20 余年了。我對機器學(xué)習(xí)的興趣因一本書而起，大四時我在書店看到這本書名很奇怪的書——《人工智能》（Artificial Intelligence）。那本書只有一個章節(jié)是關(guān)于機器學(xué)習(xí)的，但讀那個章節(jié)時，我立即確定，學(xué)習(xí)是實現(xiàn)人工智能的關(guān)鍵，而且當(dāng)時技術(shù)水平如此原始，我也許能做點什么。所以我擱置了讀MBA（工商管理碩士）的計劃，到加利福尼亞歐文分校攻讀博士。機器學(xué)習(xí)當(dāng)時是一個小眾且鮮為人知的領(lǐng)域，研究人員寥寥無幾，但加利福尼亞大學(xué)卻擁有一個巨大的研究團(tuán)隊。一些同學(xué)中途放棄了，因為他們看不到機器學(xué)習(xí)的未來，而我堅持了下來。對我來說，沒有什么能比教計算機學(xué)習(xí)更有吸引力的了：如果我們做到這一點，其他問題就會迎刃而解。5 年后我畢業(yè)了，那時數(shù)據(jù)挖掘技術(shù)十分流行，我開始寫這本書。我的博士論文結(jié)合了符號學(xué)派和類推學(xué)派的觀點。過去10 年，我一直在整合符號學(xué)派和貝葉斯學(xué)派的觀點，最近又在嘗試整合它們與聯(lián)結(jié)學(xué)派的觀點。是時候進(jìn)行下一步研究，并嘗試綜合這5 個范式了。

　　寫這本書時，我的腦海里浮現(xiàn)出各式各樣但又有相似之處的讀者。

　　圍繞大數(shù)據(jù)以及機器學(xué)習(xí)的討論充滿爭議，如果你對此感到好奇，且懷疑有比論文上看到的更為深層次的東西，那么這本書就是你進(jìn)行革命的指南。

　　如果你的主要興趣是機器學(xué)習(xí)的商業(yè)用途，那么本書至少能通過6 種方法幫助你：成為分析學(xué)中更精明的消費者；充分利用你的數(shù)據(jù)專家；減少許多數(shù)據(jù)挖掘項目的隱患；看看如果不買手寫編碼軟件，你能讓什么進(jìn)行自動操作；降低信息系統(tǒng)的僵硬度；期待正朝你走來的新技術(shù)。我見過太多浪費大量時間和金錢去解決難題的人，他們使用了錯誤的學(xué)習(xí)算法，或者誤解了學(xué)習(xí)算法的含義。要避免這些慘敗，實際上，你只需要閱讀這本書。

　　如果你是普通人或者決策者，關(guān)注由大數(shù)據(jù)和機器學(xué)習(xí)引發(fā)的社會和政治問題，那么本書將為你提供該技術(shù)的入門知識：什么是機器學(xué)習(xí)，機器學(xué)習(xí)能干什么、不能干什么。本書沒有讓你覺得乏味的復(fù)雜細(xì)節(jié)。從隱私問題到未來的工作，以及機器人化引起戰(zhàn)爭的道德觀，我們會看到真正的問題所在，以及如何正確思考。

　　如果你是科學(xué)家或者工程師，那么機器學(xué)習(xí)肯定是你不想錯過的有力武器。在大數(shù)據(jù)時代（即便是中型數(shù)據(jù)時代），陳舊的、靠得住的統(tǒng)計工具并不會讓你走得更遠(yuǎn)。你需要的是機器學(xué)習(xí)的非線性技術(shù)來精確模仿多種現(xiàn)象，它會帶來全新的、科學(xué)的世界觀。今天，“范式轉(zhuǎn)移”被人們用得過于隨意，但我可以毫不夸張地說，本書要講的內(nèi)容就是和“范式轉(zhuǎn)移”相關(guān)。

　　如果你是機器學(xué)習(xí)專家，那么你可能對本書的大部分內(nèi)容已經(jīng)相當(dāng)熟悉，但你仍會發(fā)現(xiàn)其中有許多新穎的看法、經(jīng)典的觀點，以及有用的例子和類比。很大程度上，我希望本書能提出與機器學(xué)習(xí)相關(guān)的、新的看法，甚至能讓你開始思考新的方向。我們身邊到處是容易達(dá)成的目標(biāo)，我們理應(yīng)追尋這種目標(biāo)，但我們也不應(yīng)忽略不遠(yuǎn)處就有更大的目標(biāo)（關(guān)于這一點，我希望你們能原諒我詩意地用“終極算法”來指通用型學(xué)習(xí)算法）。

　　如果你是學(xué)生，無論你多大，是考慮該選什么專業(yè)的高中生，還是決定該研究什么領(lǐng)域的本科生，或者是考慮轉(zhuǎn)行、經(jīng)驗豐富的專家，我希望本書能讓你對這個令人著迷的領(lǐng)域感興趣。當(dāng)今世界極度缺乏機器學(xué)習(xí)專家，如果你決定加入這一行列，你不僅能得到令人激動的時刻和豐厚的物質(zhì)回報，還有服務(wù)社會的大好機會。如果你已經(jīng)在研究并學(xué)習(xí)主算法，我希望本書能幫你了解它的歷史。如果你在旅途中偶然發(fā)現(xiàn)本書，也值得你用心閱讀。

　　最后要強調(diào)一點，如果你渴望奇跡，那么機器學(xué)習(xí)對你來說就是一場精神盛宴。我誠摯地邀請你一同前往。