0.4　如何使用本书

我想发表的是什么？伦纳德·萨维奇（L.J.Savage,1962年）用这个问题表达了他的困惑。无论他选择讨论什么主题，也无论他选择哪种写作风格，他都肯定会被批评没有选择另一种。就这一点来说他并不孤独。我们只能祈求读者对我们的个人差异能多一点容忍。

——杰恩斯（E.T.Jaynes，《概率论沉思录》）

这是我的第一本书，但不是最后一本书。写作让我打开了一个新的领域，使得我将所有的创作想法毫无保留地对读者开放。每当想到有人愿意打开书页认真阅读本书时，我都心甚喜之，愿读者可以与我产生共鸣。

本书重点介绍机器学习中监督学习所涉及的方法与模型，分为主体书与一本小册子。主体书将从根本思想出发，以与读者共同探索的形式呈现，配合算法、例题和Python代码多方位理解模型的构成原理；小册子重点介绍辅助模型所需的数字概念与方法。我将在主体书中的必要位置标注相应知识内容在小册子中的页码，以便于读者查阅。若读者有着扎实的数学和统计学基础，小册子可略去不读。另外，尽管我已尽力保证本书中符号的一致性，但由于书中数学符号繁多，仍有可能出现过载情形，因此，每个符号的含义请以各章节中的具体解释为准。因模型之间存在关联，为使读者对每个模型方法的理解更加深刻，建议读者先略过公式通读本书，细读时再推导公式。

主体书一共包含11章，书中所介绍的K近邻算法、朴素贝叶斯算法、C4.5算法、CART算法、支持向量机算法、EM算法、AdaBoost算法入选至“数据挖掘十大算法”。监督学习算法导图如下页所示。本着求知的精神，本书中每章都将围绕着一系列的问号展开。另外，每章都将给出思维导图，以方便读者学习及复习使用。

(1)　本书中的一个虚拟人物。他将贯穿全书地陪伴大家的学习。

第1章　监督学习算法导图