作為人工智能的核心技術(shù)方法，機(jī)器學(xué)習(xí)已經(jīng)成為了一種重要且有效的數(shù)據(jù)分析工具，并且已經(jīng)取得了令人驚嘆的成就。本書主要針對(duì)數(shù)據(jù)中含有異常點(diǎn)或數(shù)據(jù)服從重尾分布的問題，基于機(jī)器學(xué)習(xí)三要素，從模型構(gòu)建、理論分析、算法求解及實(shí)驗(yàn)驗(yàn)證等方面對(duì)機(jī)器學(xué)習(xí)方法進(jìn)行研究和介紹。
全書共6章。第1章為機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)，主要包括兩大部分的內(nèi)容，第一部分介紹了機(jī)器學(xué)習(xí)的基本問題、基本概念以及基本類型等，第二部分介紹了機(jī)器學(xué)習(xí)基本模型回歸模型的發(fā)展現(xiàn)狀，方便讀者理解本書撰寫的目的和動(dòng)機(jī)。
第2章是對(duì)基于正則化方法的回歸模型的介紹，主要介紹了多種廣泛使用的正則化方法，并詳細(xì)分析了各種方法的優(yōu)缺點(diǎn)。
第3章主要介紹自加權(quán)魯棒正則化方法。通過機(jī)器學(xué)習(xí)模型自加權(quán)，有效提高了模型的魯棒性，為含噪聲數(shù)據(jù)分析提供了高效的學(xué)習(xí)方法。
第4章針對(duì)重尾分布數(shù)據(jù)中的自變量相關(guān)性問題，從問題分析、模型構(gòu)建、理論分析以及求解算法等方面進(jìn)行了詳細(xì)介紹，為此類型數(shù)據(jù)的分析提供了有效的方法和相應(yīng)的理論支撐。
第5章介紹了數(shù)據(jù)中因變量相關(guān)性問題的機(jī)器學(xué)習(xí)分析方法，構(gòu)建了具有鄰近樣本信息的回歸模型，給出相應(yīng)的回歸系數(shù)估計(jì)方法，并給出了所提估計(jì)的誤差界證明，從回歸建模的角度為網(wǎng)絡(luò)數(shù)據(jù)的分析奠定了基礎(chǔ)。
第6章針對(duì)網(wǎng)絡(luò)數(shù)據(jù)中變量相關(guān)性問題，取得基于Elastic Net回歸，構(gòu)建了適用于網(wǎng)絡(luò)數(shù)據(jù)的Elastic Net回歸模型，同時(shí)給出了相應(yīng)的求解算法，為應(yīng)用于實(shí)際問題提供了指導(dǎo)。
本書主要介紹了如何利用機(jī)器學(xué)習(xí)方法對(duì)數(shù)據(jù)進(jìn)行有效分析，具體來說，旨在針對(duì)復(fù)雜或含噪聲數(shù)據(jù)中所存在的問題，研究能夠保證學(xué)習(xí)模型魯棒性和泛化性的技術(shù)或方法，從而能夠有效應(yīng)用于實(shí)際問題。因此本書既可供數(shù)據(jù)分析、人工智能相關(guān)專業(yè)師生閱讀，也可供相關(guān)領(lǐng)域的工程技術(shù)人員、研究人員參考。
本書是筆者在博士期間所做研究工作的基礎(chǔ)上修訂而成的，因此對(duì)導(dǎo)師王文劍教授以及母校山西大學(xué)多位教授的指導(dǎo)表示感謝。
此外，本書受國(guó)家自然科學(xué)基金面上項(xiàng)目（No.61673249）、山西省基礎(chǔ)研究計(jì)劃項(xiàng)目（202103021223295）、大數(shù)據(jù)分析與并行計(jì)算山西省重點(diǎn)實(shí)驗(yàn)室開放課題（編號(hào)：BDPC-23-002）、山西省高等學(xué)�？萍紕�(chuàng)新計(jì)劃項(xiàng)目（2021L323）、太原科技大學(xué)科研啟動(dòng)金項(xiàng)目（20212054）、智能信息處理山西省重點(diǎn)實(shí)驗(yàn)室開放課題基金資助項(xiàng)目（編號(hào)：CICIP2023007）、來晉工作優(yōu)秀博士獎(jiǎng)勵(lì)基金（20232062）項(xiàng)目資助，在此深表感謝！
由于筆者水平、時(shí)間和精力所限，書中難免有不足，希望讀者批評(píng)指正。

著者