序

如今，大数据已经成为一大产业。随着数据逐渐主导我们的生活，“炼数成金”几乎成为每个机构都关注的焦点，各种模式识别和预测技术也成为提升业务能力的新手段。比如，商品推荐系统对消费者和商家都有好处，它会提醒消费者关注自己可能感兴趣的商品，同时也会帮助商家赚取更多的利润。

然而，大数据并非数据科学的全貌。数据科学是分析和利用数据的一门综合性学科，其范围涵盖机器学习、统计学和相关的数学分支。其中，机器学习占据首要位置，它是驱动模式识别和预测技术的主动力。机器学习算法是数据科学的力量之源，它和数据一起产生极其宝贵的知识，并且帮助我们以新的方式利用已有信息。

对于外行而言，要想理解数据科学如何推动当前的数据革命，就需要对这个领域有更好的认识。尽管现在对数据素养的需求很大，但是由于担心缺乏相关技能，一些人对数据科学领域敬而远之。

这正是莉婷和川集写作本书的缘由所在。我对两位作者的写作风格较为熟悉；在拜读本书之后，我发现这的确是专为外行写的数据科学书，两位作者特意省略了复杂的数学内容，从较高的层次讲解相关概念。但请不要误会，这并不意味着本书没有实质内容；相反，“干货”还不少，并且简洁精练。

你可能会问：本书采用的讲解方法有什么好处呢？实际上好处多多，并且对于外行来说，这种方法比普通的方法更可取。假设你对汽车的工作原理颇感兴趣，但是一窍不通，那么相比阅读深奥的燃烧学内容，你可能更容易接受对汽车零部件的概括性介绍。了解数据科学也是如此：如果你对这个领域颇感兴趣，那么在深入研究数学公式之前，先从宽泛的概念入手比较容易。

第1章通过短小的篇幅讲了数据科学的一些基本概念，让每一位想入门数据科学的读者都拥有相同的知识基础；接着阐述算法选择等常被入门类读物所忽略的重要概念，以此促使读者进一步了解数据科学领域，并为读者提供一个完整的学习框架。

两位作者本来可以在书中讲解各种数据科学概念，而且讲解方法也有很多。但是，他们特意把讲解重点放在了对数据科学极其重要的机器学习算法上，并辅以相应的任务场景，这真是明智之举。k均值聚类、决策树、最近邻等算法得到了应有的重视。此外，两位作者还对高级的分类和集成算法（比如支持向量机，它常常因为复杂的数学问题而令人生畏）以及随机森林做了讲解。当然，书中还讲了神经网络，它是当前的深度学习热潮背后的驱动力。

本书的另一个优点是，每个算法的讲解都配有直观的示例，比如通过预测犯罪行为介绍随机森林，以及在分析影迷性格特征时讲聚类。这些示例都是作者精心挑选的，有助于理解相关算法。与此同时，讲解并没有涉及高等数学知识，这样做有利于保持你对数据科学的兴趣和学习动力。

如果你正打算学习数据科学或相关算法，并且正在寻求一个切入点，那么我强烈建议你阅读本书。在我看来，本书是无与伦比的数据科学入门读物。有了它，数学不再是数据科学之路上的拦路虎。

Matthew Mayo

数据科学家、KDnuggets编辑