隨著日新月異的時代變遷，開啟了資料生成速度、數量、多元的新時代環境，同時也開啟了資料分析輔助市場拓展、經濟預測的新紀元。隨著資料分析日益受到重視的情況下，機器學習儼然已成為一門值得深究與學習的科學之一。雖然讀者可以經由網路資源自我學習，但實際上缺乏了機器學習的基礎概念與技術引導。有鑑於此，為能提供一個自我學習「機器學習」的環境，本書除了介紹執行機器學習的軟體技術之外，亦對機器學習演算法的基礎概念加以概述，提供讀者一個完整且有條理的自我學習規劃，期能達到事半功倍的學習效果。
本書結合了 R 軟體的應用，讓讀者可以輕鬆了解「機器學習」的應 用，同時也導入了實務資料，讓讀者可以體會實務上機器學習的方法及其應用。書中提及的演算法涵蓋了維度縮減、?歸模型、決策樹、集群分析、關聯規則、貝氏機率分類、時間序列、類神經網路、支援向量機、隨機森林等。每章的第一節分別介紹演算法的理論概念，並於第二節中利用例題方式，講解演算的實際運算方法與結果，最後在第三節內，引用了實際的資料及結合 R 軟體，提供透過軟體運算機器學習的面貌，進一步的深入體驗機器學習的應用。
本書結合了 R 軟體的應用，讓讀者可以輕鬆了解「機器學習」的應 用，同時也導入了實務資料，讓讀者可以體會實務上機器學習的方法及其應用。書中提及的演算法涵蓋了維度縮減、?歸模型、決策樹、集群分析、關聯規則、貝氏機率分類、時間序列、類神經網路、支援向量機、隨機森林等。每章的第一節分別介紹演算法的理論概念，並於第二節中利用例題方式，講解演算的實際運算方法與結果，最後在第三節內，引用了實際的資料及結合 R 軟體，提供透過軟體運算機器學習的面貌，進一步的深入體驗機器學習的應用。
