“基础决定高度，而不是高度决定基础。”

机器学习脱胎于人工智能，自诞生开始，就充满了挑战，这个领域从来都吸引了全世界最顶尖的科学家，本书所讲述的正是他们多年的研究成果。对于普通读者而言，快速而全面的掌握各类算法技术并不是一件容易的事情。机器学习应用的领域方方面面：从交通运输、医疗诊断到自然语言处理等几乎各行各业都有。为了简化，多数书籍都偏重于数学理论，但即便完全形式化为数学概念，不仅不便于理解，所涉及到的知识也很庞杂。毕竟几十年来，机器学习这座大厦是靠一砖一瓦坚实的构筑起来的。

本章是全书的第一章，主要从程序编码、数据结构、数学理论、数据处理与可视化等几个方面阐述了机器学习相关的理论和技术实现。初看涉及内容比较多，为了避免混乱，我们以矩阵为中心贯穿本章各部分的知识讲解，然后扩展到概率论，数值分析，矩阵分析等知识来逐步引导读者进入机器学习的数学世界。

对大多数读者而言，理解数学原理和推导过程起初会存在一些障碍，这也是初学者们的一大壁垒，很多人虽有兴趣，但每到此处只能望而却步。因此，在数学理论方面，我们并没有罗列大量的公式和晦涩的术语，而是力求结合人们的日常生活，通过深入浅出的案例，使读者由浅入深、循序渐进地接触概念，最终真正领悟内涵。对象与维度、初识矩阵、理解随机性等章节完全不需要高等数学的基础，但是它们所阐述的方法和概念是整个机器学习大厦的基础。

而且幸运的是，由于软件编程方法的日新月异，矢量化编程方式（在第二节将详细介绍）能够将数学公式直观的转换为程序代码，这极大降低了程序设计的难度，多数公式的程序代码仅有1~2行。读者可以从Numpy矩阵运算和Linalg线性代数库两节逐步熟悉矢量化编程的风格，各类距离公式是矢量化编程的应用。除程序设计的之外，这两节也可看作是对线性代数中一些重要概念的回顾，如果读者对线性代数的概念生疏了，可以借此重温一下。总体而言，机器学习对程序设计的要求不高，除去矢量化编程，一般而言都是一些最基本的指令，只要掌握一定的编程技术和高等数学的基本概念，学好本书还是不难的。

各类距离公式、矩阵空间变换对于某些读者而言可能属于新知识。本章涉及的距离公式比较多，但总的来讲都不难，本书也都提供了程序代码。矩阵的空间变换是个重点，后续章节中多有涉及，需要读者认真领会。如果理解上有困难，具体算法上我们还会详细讲解。

总之，我们的目标是使程序设计变为一件轻松、快乐的事情。常言道：“千里之行，始于足下”。现在，就让我们开始激动人心的机器学习之旅吧！