作為一個最全面的機器學習文本周圍，這本書公正的領域的難以置信的豐富，但沒有失去統一的原則。

　　PeterFlach的清晰的、基于示例的方法首先討論垃圾郵件過濾器的工作原理，它以最少的技術麻煩立即介紹了實際的機器學習。他涵蓋了廣泛的邏輯、幾何和統計模型，以及最先進的主題，如矩陣分解和ROC分析。特別注意功能所扮演的中心角色。

　　機器學習將設定一個新的標準作為入門教材：

　　序言和第1章在線免費提供，提供了進入機器學習的第一步。

　　既有術語的使用與新的有用概念的引入是平衡的。

　　精心挑選的例子和插圖構成了正文不可分割的一部分。

　　方框總結了相關的背景資料，并提供了修訂的指針。

　　每章的結尾都有一個總結和進一步閱讀的建議。

　　書后附有一份“要記住的重要要點”的清單，以及一份廣泛的索引，幫助讀者瀏覽材料。

　　這本書始于2008年夏天，當時我的雇主布里斯托爾大學授予我一年的研究獎學金。我決定開始寫一篇關于機器學習的概論，有兩個原因。一種是有空間寫這樣一本書，以補充現有的許多專業書籍；另一種是通過寫作，我會學到新東西——畢竟，最好的學習方法是教書。

　　任何試圖編寫機器學習入門文本的人所面臨的挑戰是，在不忽視機器學習領域的統一原則的情況下，公正地對待機器學習領域的豐富性。過分強調學科的多樣性，你就有可能最終得到一本沒有太多連貫性的“食譜”；過分強調你最喜歡的范例，你可能會遺漏太多其他有趣的東西。在一定程度上，通過一個反復試驗的過程，我得出了書中所體現的方法，即強調統一性和多樣性：通過單獨處理任務和特性來實現統一，這兩種方法在任何機器學習方法中都很常見，但通常被認為是理所當然的；以及通過覆蓋范圍廣泛的邏輯、幾何和概率模型。

　　顯然，我們不能指望在400頁的篇幅內把所有的機器學習都覆蓋到任何合理的深度。在結語部分，我列出了一些重要的研究領域，我決定不包括這些領域。在我看來，機器學習是統計和知識表示的結合，而這本書的主題就是為了強化這一觀點。因此，在轉向更具統計導向的材料之前，為樹和規則學習預留了足夠的空間。在整本書中，我特別強調直覺，希望通過大量使用示例和圖形插圖加以放大，其中許多都源自我在機器學習中使用ROC分析的工作。

　　你可能不知道，但很可能你已經是機器學習技術的常客了。目前大多數電子郵件客戶機都采用了識別和過濾垃圾郵件（也稱為垃圾郵件或未經請求的批量電子郵件）的算法。早期的垃圾郵件過濾器依賴于手工編碼的模式匹配技術，如正則表達式，但很快就發現這很難維護，并且提供的靈活性不足——畢竟，一個人的垃圾郵件是另一個人的火腿！1使用機器學習技術可獲得額外的適應性和靈活性S.spamasassin是一種廣泛使用的開源垃圾郵件過濾器。它根據許多內置規則或SpamAssassin術語中的“測試”來計算傳入電子郵件的分數，如果分數為5或更多，它會在電子郵件的標題中添加“垃圾郵件”標志和摘要報告。以下是我收到的電子郵件的示例報告：

?