譯者序

云計算、大數據、物聯網，這幾年很火。到現在為止，人們對云計算的激情已經回落到比較理智的水平，各種云基礎設施已投入使用，支撐起關系國計民生的信息化應用。物聯網還在建設中，家電智能化、個人健康信息數字化、交通智能化等趨勢在我們身邊悄然推進。開放互聯的概念不再囿于傳統的互聯網思維，我們生活所觸及的一切正在被編織到一張包羅萬象的大網之中。它將會對社會產生何種影響，我們拭目以待。雖然大數據現在很火，各種大數據研究中心相繼建立，但這只是剛剛開始。隨著更多的人和設備接入互聯網，隨著人們對世界認識的加深和新工具的研發，數據規模將加速膨脹，超乎想象。大數據的春天才剛剛到來。數據采集能力上去之后，勢必要求數據挖掘能力跟得上。正如作者在第12章中講到的，大數據帶來的一個挑戰就是，重要信息可能被垃圾信息湮沒。由此我們不難推斷出數據挖掘技術在發現、突顯和傳承人類文明方面將起到不可替代的作用。本書講解的正是大數據時代的核心技能——數據挖掘技術，可以預見該項技術將發揮出越來越重要的作用。

本書講解了如何用Python語言進行數據挖掘。Python是一種通用型編程語言，它簡單易學，上手快，有著豐富的第三方庫，社區氛圍友好。從數據采集、分析一直到應用開發層面，Python都有成熟的庫。使用Python語言進行開發，無需過多關注語言細節，開發者可以將主要精力放到業務本身。書中使用IPython Notebook作為開發環境，它將代碼執行、富文本、公式編輯、繪圖、多媒體等功能集合在一起，是科學計算和數據分析的好工具。書中所涉及的數據挖掘對象很豐富，有Iris鳶尾花卉數據集、Ionosphere電離層數據集、NBA比賽結果、MovieLens電影評分數據集、古登堡計劃所收集的圖書、安然公司郵件數據集、博客語料、CIFAR-10圖像數據集等。從這些分屬于不同行業的數據集，也能一窺數據挖掘應用之廣。此外，作者還介紹了從Twitter、Reddit網站采集數據的方法。在算法方面，除了常見的決策樹、樸素貝葉斯、支持向量機等，作者還介紹了最近幾年非常熱的深度學習。大數據、深度學習對計算能力要求很高，作者介紹了如何在亞馬遜云主機上運行MapReduce任務。這本書由淺入深，以真實數據為研究對象，逐漸增大數據集規模，真刀實槍地向讀者介紹了Python數據挖掘是怎么回事，并給讀者進一步學習指出了多種可能的方向。工程實踐之余，作者還不忘介紹數據挖掘常用思路，毫不保留地把自己積攥的寶貴經驗傳授給讀者。這一點我在閱讀過程中，深有體會。正如作者自己在前言里所寫的，書中不會涉及大量公式推導，所有的算法都是以很直觀的形式向讀者介紹，所以即使你缺乏一定的數學基礎，只要肯用功，也不用擔心自己讀不懂。

回到七八年前，當我還是一名英語專業學生的時候，我壓根不會想到有一天會學編程，會去翻譯這樣一本書。后來有幸讀了計算機輔助翻譯這樣一個專業，才開始接觸到計算機知識，但是當父親跟我提起數據建模時，我還是一臉茫然。研究生幾年，系里為我們這些非計算機背景的學生開設了Python編程課。從那時起我就有事沒事學點Python，一開始是照著Natural Language Processing with Python的示例敲，自那時起五年之后我竟想起給NLTK提交幾處微小的改動。大約是為了激勵我這個后生繼續為他們服務，“居心叵測”的Steven Bird竟把我加入到貢獻者名單里。去中關村圖書大廈的時候，我常常喜歡瀏覽一下語言與程序設計書架上有沒有關于Python的新書，碰到喜歡的就翻翻看，這幾年眼看著Python書多了起來，很是欣慰。此外，我去北大、北外旁聽過計算語言學、概率統計等課程，去北航旁聽過計算機系統基礎，看過Udacity的統計學入門和吳恩達老師的機器學習課程視頻，興致來了也曾捧著Rosen的《離散數學及其應用》讀上幾頁。工作中，經常幫同事寫個簡單的Python程序處理數據，最近還幫他們爬取了一個網站。PyCon北京，我連著去了三四屆了，每次都有或多或少的收獲，2015年我見過一位大神行云流水般演示用pandas處理數據，很受震撼。以上就是我與Python、數據挖掘的交集。我想說的是，不要再用上學時讀的那個專業的思維局限自己的發展，學科的界限在模糊，融合的趨勢在增強，數學的重要性在提升。提到數學，今天還看了一個TED演講視頻，說的是借助計算機改變傳統數學教育方法。這種理念什么時候能應用到一線教學，非常值得期待。生在這個充滿變革的時代，倍感幸運。

以我有限的水平去翻譯這樣一本書，心里不免焦慮。遇到問題，我四處尋找能人相助。感謝作者Robert Layton，我每次發郵件向他求教或確認問題，他總能很快地回復我，有時第二天回復，還會說抱歉回復晚了。感謝我的同學黃子軒、孫偉、周星，他們在我學習計算機科學的路上給予了很多指導和幫助。翻譯本書時，我還向子軒求證作者在第6章給出的示例是否有誤。感謝上海大學研究生錢亦欣同學，他幫我審讀了第3章，并給出若干很專業的修改意見，上述第6章那處問題，我也曾向他請教過，最終證明是原書弄錯了。感謝李少華，他幫我弄明白了Python在Windows系統中的環境變量設置方法。感謝陳健鎖，我曾就數據庫相關術語向他請教。感謝圖靈的朱巍編輯，是她促成了我最終去翻譯這樣一本趣味盎然的書！感謝圖靈公司，我是你們忠實的讀者！最后感謝我的妻子，她承擔了照顧女兒的重任。女兒的出生，讓我驚嘆于生命的奇妙！感謝岳父岳母一家人幫忙照看孩子，我才有時間去做翻譯。感謝我的父親、姐姐，他們以我翻譯本書為驕傲。

由于本人學識有限，且時間倉促，書中翻譯錯誤、不當和疏漏之處在所難免，望讀者批評指正。

杜春曉

2016年1月3日