《R 语言机器学习》第二版 译者序
作为译者，我觉得这本书最大的特点就是它的全面性。从基础的统计学原理和 R 语言编程知识，到核心的机器学习理论和算法分析，以及机器学习模型的评估和改进方法，再到机器学习技术在大数据平台上的应用，在本书中都占到了一定的篇幅。此外，对于一些比较前沿和高级的主题，作者也给出了相应的参考资料，供有兴趣的读者进一步提高。
第二版还增加了时间序列模型，并把深度学习部分从原先的一个小节扩大为一章，从而使本书的实用性大大提高了。
当然，这样的写作思路也是有利有弊的。它的好处是给读者展示了当今机器学习技术发展的全貌，有利于读者理解各种机器学习技术的适用范围及其相互联系，先从全局和整体入手，再逐步深入到每个细节中，这样会比较容易把握适合自己的方向。至于不足之处，也许是因为范围铺得太广，导致有些部分的讲解不够深入，有些代码和实例的讲解也略显简单。
因此，这本书比较适合机器学习技术的初学者，以及仅仅在某个领域有一定经验、希望从更广的角度来认识它的专业人士。如果读者希望更深入钻研某些技术，可以把本书给出的参考资料作为一个起点。虽然这些参考资料基本都是英文版的，不过要掌握最新的技术，阅读原版资料也是一个必要的途径。本书中还引入了很多 R 语言平台的组件包，它们也适用于实际环境下的分析工作，是应用领域必不可少的得力工具。限于篇幅，本书很难逐个对它们进行详细介绍，而且开源组件包的版本变化很快，在实际应用时，也需要认真阅读它们的官方文档。
看过我前几本译作的读者都知道我有在 GitHub 上开辟讨论区的习惯，这样可以针对书中的理论、应用、代码等问题与读者进行交流。本书也不例外，它的讨论区链接是 https://github.com/coderLMN/machineLearningUsingR/issues ，欢迎读者去提出问题并参与讨论。我之所以愿意花时间参与这样的讨论，是因为这样不仅能够帮助有疑问的读者，及时纠正书中可能存在的错误，同时喔自己在这个过程中也经常可以开阔思路、得到启发。
我不知道还有没有其他译者也会这么做，但我对自己的这个做法是很自豪的。
其实我还有一个更大的心愿，就是希望有读者在实际运用这些技术的过程中写出自己的理解和体会，用自己的经验来帮助其他的读者。我希望能把这样的实践经验总结放在讨论区里，其中高水平的总结还可以在书籍再印的时候作为附录添加进去，从而帮助到更多的读者。
真心希望这个心愿在这本书能够实现。
此外，我在书中加入了一些译者注，标注了我在翻译过程中觉得有必要说明的一些问题，例如某些代码的变动、某些概念的通俗化解释、提醒读者注意的细节等等。由于本人水平有限，虽然已尽全力查阅资料并自行验证，但在翻译内容和译者注里难免会有不严谨或者不正确的地方，还请读者不吝指正。
有第一版的读者问过本书的代码和数据如何获取，推荐去本书的官方 github 下载：https://github.com/Apress/machine-learning-r-2e 。 （第一版的是：https://github.com/Apress/machine-learning-using-r )
最后，还是要感谢我的家人。这本书覆盖的主题较多，翻译的周期较长，有他们的支持和激励，才让我能保质保量地完成这个工作。
--