1.1　关于本书及相关材料

本书旨在为读者带来有用的知识，并帮助他们有效地与数据科学家合作。本书涉及的机器学习知识并不高深，不会把读者转变成一个数据科学家，但我们希望本书能激励一些读者在这方面继续深造，增强自己的技能。数据科学很可能会被证明是21世纪最具价值、最令人激动的专业。

为了更有效地使用机器学习技术，我们必须要了解其底层算法。很多人在学习机器学习技术时，往往会使用机器学习的编程语言及大量相关的语言包，却不知道这些语言包的具体含义，甚至无法准确解读其结果，这就好比一位金融从业者使用布莱克–斯科尔斯模型（Black-Scholes Model）为期权进行估值，却不了解布莱克–斯科尔斯模型的来历，也不知道它的使用局限性。

在本书中，我们将向各位介绍机器学习背后的算法逻辑，从而帮助读者系统准确地理解最终结果。很多研究机器学习的学者都希望掌握一门像Python这样的编程语言，业界也依据Python开发了许多软件包。由此在本书中我们将采用一种新的学习方式，即同时使用Excel和Python进行学习，因为对于很多初学者来说，Excel较Python更易于上手。

读者可以在以下链接中下载关于本书的学习资料：www-2.rotman.utoronto.ca/~hull），也可以从Excel开始入手，按照自己的节奏，最后慢慢转向Python，并依据各种机器学习的语言包，来快速处理海量数据，而这些功能在Excel中则难以实现。