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。
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，并辅以直观的文字解释(而非从符号到符号的堆砌)。当然，对于过于繁琐的数学，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方法(详见本书目录)。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。
