前言 .. 1
第一部分
第1章机器学习项目流程.11
1.1 如何利用机器学习 11
1.2 机器学习项目的流程 13
1.3 实际系统中的机器学习问题的处理方法 27
1.4 机器学习系统的成功要素 32
1.5 小结 34
第2章机器学习的用途 35
2.1 算法选择 35
2.2 分类 37
2.3 回归 69
2.4 聚类与降维 72
2.5 其他 74
Michiaki Ariga，东京工业大学计算机工程学博士毕业，现为东京大学教授、日本国立信息学研究所客座教授。主要从事机器学习的理论研究和算法开发，以及在信号和图像处理等方面的应用。2011年获日本信息处理学会长尾真纪念特别奖。著有《统计机器学习》等。
本书共分9章，主要内容有：第1章总结机器学习项目的推进流程。第2章介绍机器学习的主要功能和各种算法。第3章以垃圾邮件判别为例，介绍对学习完成后的预测模型进行离线评价的方法。第4章梳理在计算机系统里集成机器学习功能的模式，同时介绍机器学习基础的日志设计。第5章介绍机器学习分类任务里的正确答案数据的获取方法。第6章介绍用于验证实施方案是否真正有效的统计鉴定、因果推理，以及A/B试验等方法。第3章是预测模型的离线验证，本章则介绍实施过程中的实时验证。第7章以电影推荐为例，学习推荐预测系统的开发实现案例。第8章阐述搜索式分析过程及分析报告，结合在第1章的机器学习流程中出现的“不执行机器学习的例子”，介绍如何整理实际分析结果的相关心得。第9章采用所谓Uplift Modeling方法学习更有效的营销方法。
