編者薦語：
三年磨一劍，期待已久陳強老師的《機器學習及R應用》終于上市啦！本書對于機器學習的核心方法，進行了深入而詳細的介紹，并特別關注各學科常用的算法，無論是看似復雜的機器學習原理，還是分享機器學習匠心獨運，均為讀者帶來愉悅的閱讀體驗。
以下文章來源于計量經濟學及Stata應用，作者愛計量。
Our mission is to make econometrics easy, and facilitate convincing empirical works.
陳強老師的《機器學習及R應用》終于上市啦！目前已經開始在高等教育出版社的官方微店預售。掃描（或識別）下方二維碼，即可前往售書頁面。
在該書的《前言》（附全文），陳強老師首次披露了撰寫《機器學習及R應用》的心路歷程……
內容簡介
本書對于機器學習的核心方法，進行了深入而詳細的介紹，并特別關注各學科常用的算法。特色在于力圖以生動的語言、較多的插圖與大量的實例來直觀地解釋機器學習的原理。同時，結合流行的R語言，及時地介紹相應的軟件操作與經典案例，為讀者提供“一站式”服務。本書還提供詳盡的數學推導，盡量避免跳躍，并輔以直觀的文字解釋。對于看似復雜的機器學習原理，則刪繁就簡，娓娓道來，讓讀者漸入佳境。
本書適合普通高等學校經濟管理類以及理工類等的高年級本科生和研究生使用。先修課包括微積分、線性代數與概率統計，但不要求有編程或R語言經驗。本書將從零開始，讓讀者快速體會到R語言的美妙與威力。
前言
自從產生寫一本機器學習教材的想法，迄今已將近三年。在此之前，我已多年從事統計學與計量經濟學的教學與科研。2017-2018年，我赴Boston College經濟系訪學。那時，我的研究方向正從應用計量轉向理論計量。理由很簡單：一直在教別人的計量方法，感覺太不過癮，也想自己發明有用的計量方法。到波士頓后，不僅計量理論見長，而且還意外邂逅機器學習。
在訪學期間，除了在Boston College與MIT學習高級計量課程，還在Harvard University與Boston University旁聽機器學習課程，足跡遍及波士頓的四大名校。有時上午還在波士頓學院聽課，中午飯后又匆匆前往MIT或哈佛。乘坐波士頓百年老地鐵，伴隨著晃晃悠悠的轟鳴聲，我依然可在車上打盹，到了MIT門口買上一杯咖啡，又打了雞血似地趕去上課；傍晚，則可能去波士頓大學聽機器學習的課程。
由于來自計量經濟學的背景，機器學習對我來說可謂一見傾心，仿佛打開了一扇通往未來世界的新窗口。哈佛大學經濟系的機器學習課程側重思想，很多師生互動，但基本不講數學；而波士頓大學數學系的機器學習課程則幾乎全是數學推導，二者正好互補。無論在哪個課堂，教室里似乎總彌漫著一種令人激動的氛圍，仿佛大家覺得這就是未來。
機器學習起源于計算機科學的人工智能領域，后來也有一些統計學家加入，而現在則日益成為一門通用的學科與技能。2018年9月，MIT名譽校長Eric Grimson在接受澎湃新聞采訪時曾表示，機器學習在未來“會變得像使用Word、PowerPoint或者Excel一樣”。這也正是寫作本書的出發點。
目前市場上已有不少機器學習的書籍，包括一些暢銷書，為何還要再增加這一本書？主要原因在于，計算機科學家或統計學家寫的機器學習教材，由于各自的學科特點，未必適合渴望學習機器學習的其他學科人士(當然，計算機與統計專業的學生也可從本書獲益良多)。比如，計算機科學家的機器學習教材，一般強調算法，經常使用“偽代碼”(pseudo codes)，更多地從工程(engineering)的角度來介紹。另一方面，統計學家的機器學習教材，則一般有較多的數學公式，但往往不作詳細的文字解釋，或在推導過程中多有跳躍。這些無疑成為機器學習初學者的障礙。另外，大多數機器學習教材并不介紹具體的軟件操作。而介紹機器學習實操的書籍，又往往變成代碼的大雜燴(cook book)，對于機器學習的原理則一帶而過。這種理論與實踐的割裂，也妨礙了初學者快速入門機器學習。
基于以上考慮，我萌生了創作一本全新機器學習教材的想法。在此之前，我已經出版了在國內非常暢銷的本科教材《計量經濟學及Stata應用》與研究生教材《高級計量經濟學及Stata應用》，積累了一些寫作教材的經驗。因此，在閱讀了不少機器學習的專著與經典論文之后，即開始撰寫本書。
本書的主要特色如下：
(1) 機器學習理論與軟件操作相結合。學習機器學習的目的是為了應用，而這離不開軟件操作。同時，軟件操作又可增進對于理論的理解。為此，本書提供“一站式”服務，在講解每個機器學習算法之后，隨即結合經典案例，詳細介紹相應的R語言實操。R語言為統計學家的母語，長于統計計算，是機器學習的兩大常用語言之一。機器學習的另一常用語言為Python，更適用于深度學習。如果你想使用Python進行機器學習，可參考本書的姊妹篇《機器學習及Python應用》。
(2) 詳細的數學回顧與推導。機器學習需要使用較多的數學知識。根據我的教學經驗，有些數學知識學生們可能沒學過，或者即使學過也未必切實掌握。為此，本書第三章專門回顧了微積分、線性代數、概率統計，特別是有關優化的知識。有一種誤區認為，數學公式越多，則讀者越不理解。事實上，真正理解機器學習，依然離不開數學；否則，只能流于泛泛的空談。為此，本書提供了詳細的數學推導，盡量避免跳躍，并輔以直觀的文字解釋(而非從符號到符號的堆砌)。當然，對于過于繁瑣的數學，則放在附錄；例如，如何使用“次微分”(subdifferential)，得到在標準正交設計下套索估計量(Lasso)的解析解。
(3) 本書力圖以生動的語言、較多的插圖與大量的案例來直觀地解釋機器學習的原理。寫作教材與發表論文有很大的不同。論文貴在創新，而教材則以易懂為要。大道至簡至易。為此，本書在寫作風格上，盡量地深入淺出、通俗易懂。對于看似復雜的機器學習原理，則刪繁就簡，娓娓道來，給讀者愉悅的閱讀體驗。
在教材內容的安排上，本書對于機器學習的核心方法，進行了深入而詳細的介紹，并特別關注各學科常用的方法(詳見本書目錄)。當然，也有一些機器學習方法，本書未能涉及，比如循環神經網絡、深度強化學習、自然語言處理、文本挖掘等，或在未來版本更新。
近三年的專注與積累，終于付諸文字，得以分享機器學習的美妙與強大之處?；赝麑憰倪^程，仿佛翻越一座座高山，有時也驚訝于自己竟有勇氣開啟這樣一個挑戰性項目。感覺寫書過程就像一下子給自己挖了許多坑，然后再以優雅的方式將所有坑填上，讓讀者走在知識的康莊大道，而絲毫不察覺路下曾經的崎嶇與起伏。在我心目中，這本書就像是無數閃光的珍珠(干貨)，用美妙的方式串成一體，環環相連，絲絲入扣，讓讀者漸入佳境。當然，這或許有些敝帚自珍，甚至王婆賣瓜，卻是我的真實感受。希望從此以后，中國學子們可以輕松而不膚淺地上手機器學習，并運用自如。
在本書出版之際，特別感謝以下曾教授過我統計學、計量經濟學或機器學習的授業恩師們(以時間先后為序)：范培華、胡健穎、靳云匯、陳良焜(北京大學)；Dale Poirier (University of California, Irvine)；Susan Porter-Hudak, Nader Ebrahimi, Mohsen Pourahmadi(Northern Illinois University)；肖志杰(Boston College)；Whitney Newey, Alberto Abadie, Victor Chernozhukov(MIT)；Sendhil Mullainathan(Harvard University)；Mark Kon(Boston University)。沒有他們的諄諄教誨，本書是絕不可能完成的。
山東大學經濟學院的領導、同事與學生們對本書的寫作給予了大力支持。山東大學經濟學院的方彤副教授、裴有權副教授、王永副教授、嚴曉東副教授、鄭琨博士、博士生方誠、韓坤、劉慧敏、顏冠鵬、張甜、碩士生齊霽、張鶴鶴，以及University of Iowa助理教授韓青、Rowan University助理教授潘聚明等參加了本書的校對，并提出很好的修改意見，在此表示衷心感謝(當然，文責自負)。
本書的部分內容曾在山東大學青島校區作為通識課講授；也曾在上海財經大學開設三天培訓班(友萬科技主辦)，并在中國青年政治學院開設五天培訓班(經管之家主辦),學員們來自全國各地乃至海外，感謝他們所提出的寶貴意見。特別感謝高等教育出版社的施春花編輯及同仁們，為保證本書的高質量，她們付出了辛勤的勞動。
當然，由于本人學識有限，對于本書的錯漏之處，懇請各位老師與同學及時指出，以便在網上公布勘誤表，并在未來版本中更新。聯系郵箱為qiang2chen2@126.com。本書的配套數據、課件、程序以及勘誤表，均可在我的個人網頁(www.econometrics-stata.com)下載。
陳強
2020年3月10日
據悉，陳強老師即將于2021年1月20日在北京推出“機器學習及R應用”五天現場班，親自講授其新力作《機器學習及R應用》的全書精華，感興趣的小伙伴請關注“計量經濟學及Stata應用”公眾號，獲取新資訊。
參考文獻
陳強，《高級計量經濟學及Stata應用》，第2版，高等教育出版社，2014年
陳強，《計量經濟學及Stata應用》，高等教育出版社，2015年（好評如潮的配套教學視頻，可在網易云課堂購買）
陳強，《機器學習及R應用》，高等教育出版社，2020年（配套五天現場班，詳情點擊頁底“閱讀原文”）
陳強，《機器學習及Python應用》，高等教育出版社，2020年，即將出版。
(c) 2020， 陳強，山東大學經濟學院
www.econometrics-stata.com
轉載請注明作者與出處
Our mission is to make econometrics easy, and facilitate convincing empirical works.
北京友萬信息科技有限公司，英文全稱：Beijing UoneInfo&Tech Co.,Ltd (Uone-Tech)，作為Stata軟件在中國大陸的授權經銷商及合作伙伴，希望能給Stata中國用戶提供更多服務與支持，并幫助中國用戶建立完善的軟件售后服務體系。Stata16新版本已經發布,如需申請新版本軟件試用、新版本采購及老版本更新升級請聯系我們，感謝您的支持與關注。Tel/WeChat: 18610597626 Email: crystal@uone-tech.cn。
