机器学习是一门实用技术，而且是奥秘揭示、知识发现和科学探索的工具！更高瞻远瞩一些，机器学习随着理论和实践的不断深入，已经不再是原先狭义的“数据利用”和“知识发现”了，正在越来越深入到数学发现，甚至哲学发现以及科学发现了。随着机器学习应用和研究的深入，我们发现了大量不可预测的现象与问题。洪松林编著的《机器学习技术与实战(医学大数据深度应用)》详细介绍机器学习在医学大数据领域的应用。

本书作者有二十余年数据仓库、数据挖掘、机器学习、人工智能等方面的研发和应用经验。他结合自己多年的行业经历，总结了机器学习在实际工程中的应用经验，特别是在医学大数据领域的应用经验，提供了大量一线资料。洪松林编著的《机器学习技术与实战(医学大数据深度应用)》共8章。第1章介绍机器学习应用的基础内容，快速引领读者进入机器学习领域。第2章介绍机器学习应用活动的前期工作，即数据探索的工作和数据准备工作，包括数据关系探索、数据特征探索、数据选择、数据处理。第3章介绍机器学习的算法，从实际应用出发，介绍一些比较经典的算法，以及一些算法流程，包括聚类分析、特性选择、特征抽取、关联规则、分类和预测、时间序列、深度学习等。第4章介绍如何将算法用到商业应用的案例，如特性选择模型的应用、分类模型的应用等。第5章介绍智能医学科研系统IMRS的设计思路与步骤，具体剖析IMRS的几个重要模块的开发方法，包括异常侦测模型、特征抽取模型，以及算法开发。第6章介绍如何使用机器学习系统IMRS，以及几个方向的应用，如分布探索、关系探索、特征探索、异常探索、推测探索等。第7章继续介绍如何使用机器学习系统IMRS，包括文本挖掘技术、文本数据挖掘在医学上的应用、文本分词的实现、文本智能搜索、文本聚类与分类的应用、文本主题提取应用。第8章介绍智能医学诊断系统的设计思路与应用展望，还介绍了混沌人工智能的概念以及解决复杂问题的思路。

前言

第1章 机器学习基础

 1.1 认识机器学习

1.1.1 机器学习概念

1.1.2 机器学习与生活

1.1.3 机器学习与知识

 1.2 机器学习应用基础

1.2.1 事物与维度

1.2.2 分布与关系

1.2.3 描绘与预测

1.2.4 现象与知识

1.2.5 规律与因果

 1.3 机器学习应用系统

1.3.1 数据层

1.3.2 算法层

1.3.3 应用层

1.3.4 经验积累与应用

 1.4 无限三维嵌套空间假说

1.4.1 一维空间

1.4.2 二维空间

1.4.3 三维空间

1.4.4 突破三维空间

1.4.5 五维空间

1.4.6 六维空间

 1.5 分数维度空间

1.5.1 分数维度

1.5.2 自相似性

1.5.3 无限迭代

 1.6 不确定论

 1.7 本章小结

第2章 数据探索

 2.1 数据关系探索

2.1.1 业务发现

2.1.2 关系发现

2.1.3 数据质量探索

2.1.4 数据整合

 2.2 数据特征探索

2.2.1 数据的统计学特征

2.2.2 统计学特征应用

2.2.3 变量相关性探索

 2.3 数据选择

2.3.1 适当的数据规模

2.3.2 数据的代表性

2.3.3 数据的选取

 ……

第3章 机器学习技术

第4章 机器学习应用案例

第5章 机器学习应用系统开发

第6章 机器学习系统应用（一）：结构数据挖掘

第7章 机器学习系统应用（二）：非结构数据挖掘

第8章 基于机器学习的人工智能应用