编者荐语：
三年磨一剑，期待已久陈强老师的《机器♀学习及R应用》终于上市啦！本书对于机器学习的核●心方法，进行了深入而详细的介卐绍，并特别关注各学科常用的算法，无论是看似复杂的机器学习原理，还是分享机器学习匠心独运，均为→读者带来愉悦的阅读体验。
以下文章来源于计量经济学及Stata应用，作者爱计量。
Our mission is to make econometrics easy, and facilitate convincing empirical works.
陈强老师的《机器学↘习及R应用》终于上市啦！目前已经开始在高等教育出版社的官方微店预售。扫描（或识别）下方二维＠码，即』可前往售书页面。
在该书的《前言》（附全文），陈强老师首次披露了撰写《机器学习︼及▅R应用》的心∮路历程……
内容简介
本书对于机器学习的核心方法，进行了深入而详细的介绍，并特别关注各学科常用的算法。特色在于力图√以生动的语言、较多的插图与♀大量的实例来直观地解释机器学≡习的原理。同时，结合流行的R语言，及时地介绍相应的软○件操作与经典案例，为读者提供“一站式”服务。本书还提供详尽的数︽学推导，尽量避免跳跃，并辅以直观的文∴字解释。对于看似复杂的机器学习↘原理，则删繁就简，娓娓道来，让读者渐入佳境。
本书适合普通高等学校经济管理类以及理工类等的高年级本¤科生和研究生使用。先修课包括微积分、线性代数与概率统计，但不要『求有编程或R语言经验。本书将∏从零开始，让读者快速体会到R语言的美妙与威力。
前言
自从产生写一本机器学习教材的想╳法，迄今已将近三年。在此之前，我已多年从事统计学与计量经济学的教学卐与科研。2017-2018年，我赴Boston College经济系访学。那时，我的研究方向正从应用计量转向理论计量。理由很简单∮：一直在教别人的计量方法，感觉太不过瘾，也想自己发明有用的计量方法。到波士顿后，不仅计◣量理论见长，而且还意外邂逅机器学习。
在※访学期间，除了在Boston College与MIT学习高级计量课程，还在Harvard University与Boston University旁听机器学习♂课程，足迹遍及波士顿的四大名校。有时上午还在波士顿学院听课，中午饭后◥又匆匆前往MIT或哈佛。乘坐波士顿百年老地铁，伴随着晃晃悠悠的轰鸣声，我依然可在车上打盹》，到了MIT门口买上一杯咖啡↓，又打了鸡血似地赶去上课；傍晚，则可能去波士顿大学听机器学习的课程。
由于来自计量经济∏学的背景，机器学习对我来说可谓一见倾心，仿佛打开了一扇通往未来世界的新窗口。哈佛大学经济系的机器学习课程侧⊙重思想，很多师生互动，但基本不讲数学；而波士顿大学数学系的№机器学习课程则几乎全是数学推导，二者正好互补。无论在哪个课堂，教室里似乎总弥漫着一种令人激动的氛围，仿佛大家觉得这就▅是未来。
机器学习起源于计算机科学的人工智能领域，后来也有一些统计〖学家加入，而现在则日益成为一门通用的学科与技能。2018年9月，MIT名誉校长Eric Grimson在接受澎湃新闻采访时曾表示，机器学习在未来“会变得像使用Word、PowerPoint或者Excel一样”。这也正是写作本书的出发点ㄨ。
目前市场上已有不少机器学习的书籍，包括一些畅销书，为何还要╱再增加这一本书？主要原因卐在于，计算机科学家或统计学家写的机器学习教材，由于各自的学科特点，未必适合渴望学习机器学习的其∑他学科人士(当然，计算机与统计专业的学生也可从本书获益良多)。比如，计算机科学家的机】器学习教材，一般强调算法，经常使用“伪代码”(pseudo codes)，更多「地从工程(engineering)的角〒度来介绍。另一方面，统计学家的机器学习教材，则一般有较多的数学公式，但往往不作详细的文字解释，或在推导过程中多有跳跃。这些无疑成为机器学↑习初学者的障碍。另外，大多数机器学习教材并不介绍具体的软件操作。而介绍机器学习实操的书籍，又往往变成代码的大杂←烩(cook book)，对于机器学习的原理则一带而过。这种理论与实践的割裂，也妨碍了初↓学者快速入门机器学习。
基于以上考虑，我萌生了创作一本全新机器学习教材的想法。在此之前，我已经出⌒版了在国内非常畅销的本科教材《计量经济学及Stata应用》与研究生教材《高级计量经济学及Stata应用》，积累了一些写作教材的经验。因此，在阅读了不少机器学习的专著与经典论文之后，即开〗始撰写本书。
本书的主要特色如下：
(1) 机器学习理论与软件操作相结╲合。学习机器学习的目的是为了〓应用，而这离不开软件操作。同时，软件操作又可增进对于理论的理解。为此，本书提供“一站式”服务，在讲解每个机器学习算法之后，随即结合经典案例，详细∑ 介绍相应的R语言实操。R语言为统计学家的母语，长于统计计¤算，是机器学习的两大常用语言之一。机器学习的另一∞常用语言为Python，更适用于深度学习。如果你想使用Python进行机器学习⌒ ，可参考本书的姊妹篇《机器学习及Python应用》。
(2) 详细的数学回顾与推⊙导。机器学习需要使用较多的数学知识。根据我的教学经验，有些数学知识学生们可能没学过，或者即使学过也未必切实掌握。为此，本书第三章专门回顾了微积分、线性代数、概率统计，特别是有关优化的知识。有一种误区认■为，数学公式越多，则读』者越不理解。事实上，真正▲理解机器学习，依然离不开数学；否则，只能流于泛泛的空谈。为此，本书提供了详细的数学推导，尽量避免跳跃，并辅以直观的①文字解释(而非从符号到符号的堆砌)。当然，对于过于繁ㄨ琐的数学，则放在附录；例如，如何使用“次微分”(subdifferential)，得到在标准正交设计下套索估计量(Lasso)的解析解。
(3) 本书力图以生动的语言、较多的插图与大量的案例来直观地解释机器学习的原理。写作教材与发表论文有很大的不同。论文贵在创新，而教材则以♀易懂为要。大道至简至易。为此，本书在写作风格上，尽量地深入浅出、通俗易懂。对于看似复杂的机器学习原理，则删繁就简，娓娓道来，给读者愉悦的阅读体验。
在教♂材内容的安排上，本书对于机器学习的核心方法，进行了深入而详细的介绍，并特别关注各学科常用的々方法(详Ψ见本书目录)。当然，也有一些机器学习方法，本书未能涉及，比如循环神经网络、深度∴强化学习、自然语言处理、文→本挖掘等，或在未来版本更新。
近三年的专注与㊣ 积累，终于付诸文字，得以分享机器学习的美妙与强大之处。回望写书的过程，仿佛翻越一座座高山，有时也惊讶于自己竟有勇气开启这样一〖个挑战性项目。感觉写书过程就像一下子给自己挖了许多坑，然后再以优雅的方式将所有坑填上，让读者走在知识的康庄大道，而丝毫不察觉路★下曾经的崎岖与起伏。在我心目中，这本书就像是无数闪光的珍珠(干货)，用美妙的方式串成】一体，环环相连，丝丝入扣，让读者渐入佳境。当然，这或许有些△敝帚自珍，甚至王◇婆卖瓜，却是我的真实¤感受。希望从此以后，中国学子们可以轻松而不肤浅地上手机器学习，并运用自⌒ 如。
在本书出版之际，特别感谢以下曾教授过々我统计学、计量经济学或机器学习的授业恩师们(以时〓间先后为序)：范培华、胡健颖、靳云汇、陈良焜(北京大学)；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)。没有他们的谆谆教诲，本书是绝不可能完成的。
山东大学经济学院的领导、同事与学生们对本书的写作给予了大力支持。山东大学经济学院的方彤副教授、裴有权☆副教授、王永副教授、严晓东副教授、郑琨博士、博士生方诚、韩坤、刘慧敏、颜冠鹏、张甜、硕ζ 士生齐霁、张鹤鹤，以及University of Iowa助理教授韩青、Rowan University助理教授潘聚明等参加了本书的校对，并提出很好♀的修改意见，在此表示衷心感谢(当然，文责自负)。
本书【的部分内容曾在山东大学青岛校∩区作为通识课讲授；也曾在上海财ω经大学开设三天培训班(友万科技主办)，并在中国青年政治学院开设五天培训班(经管之家主办),学员们来自全〗国各地乃至海外，感谢他们所提出的宝贵意见。特别□感谢高等教育出版社的施春花编辑及同仁们，为保证本书的高○质量，她们付出了辛勤的劳动。
当然，由于本人学识有限，对于本书的错漏之处，恳请各位老师与同学及时指出，以便在网上公布勘误表，并ω 在未来版本中更新。联系邮箱为qiang2chen2@126.com。本书的配套数据、课件、程序以及勘误表，均可在我的个▓人网页(www.econometrics-stata.com)下载。
陈强
2020年3月10日
据悉，陈强老师即将于2021年1月20日在北京推出“机器学习及R应用”五天现场班，亲自讲授其新力作《机器学习及R应用》的全书精※华，感兴趣的小伙伴请关注“计量经济学及Stata应用”公众号，获取新资讯。
参考文献
陈强，《高级计量经济学及Stata应用》，第2版，高等教育出版社，2014年
陈强，《计量经济学及Stata应用》，高等教育出版社，2015年（好评如※潮的配套教学视频，可在网易云课堂购买）
陈强，《机器学习及R应用》，高等教育出版社，2020年（配套五天现场班，详情点击页底“阅读原文”）
陈强，《机器学习及Python应用》，高等教育出版社，2020年，即将出版。
(c) 2020， 陈强，山东大学经济学院
www.econometrics-stata.com
转载请注明作者与出处
Our mission is to make econometrics easy, and facilitate convincing empirical works.
北京友万信息科技◥有限公司，英文全称：Beijing UoneInfo&Tech Co.,Ltd (Uone-Tech)，作为Stata软件在中国大陆的授权▲经销商及合作伙伴，希望能给Stata中国用户提供更多服务与支持，并帮助中国用户建立完善的软件售后服务体系。Stata16新版本」已经发布,如需申请新版本软件试用、新版本采购及老版本更新升级请联系我们，感谢您的支持与关注。Tel/WeChat: 18610597626 Email: crystal@uone-tech.cn。
