本書作者有二十餘年數據倉庫、數據挖掘、機器
學習、人工智能等方面的研發和應用經驗。他結合自
己多年的行業經歷，總結了機器學習在實際工程中的
應用經驗，特別是在醫學大數據領域的應用經驗，提
供了大量一線資料。洪松林編著的《機器學習技術與
實戰(醫學大數據深度應用)》共8章。第1章介紹機器
學習應用的基礎內容，快速引領讀者進入機器學習領
域。第2章介紹機器學習應用活動的前期工作，即數
據探索的工作和數據準備工作，包括數據關繫探索、
數據特征探索、數據選擇、數據處理。第3章介紹機
器學習的算法，從實際應用出發，介紹一些比較經典
的算法，以及一些算法流程，包括聚類分析、特性選
擇、特征抽取、關聯規則、分類和預測、時間序列、
深度學習等。第4章介紹如何將算法用到商業應用的
案例，如特性選擇模型的應用、分類模型的應用等。
第5章介紹智能醫學科研繫統IMRS的設計思路與步驟
，具體剖析IMRS的幾個重要模塊的開發方法，包括異
常偵測模型、特征抽取模型，以及算法開發。第6章
介紹如何使用機器學習繫統IMRS，以及幾個方向的應
用，如分布探索、關繫探索、特征探索、異常探索、
推測探索等。第7章繼續介紹如何使用機器學習繫統
IMRS，包括文本挖掘技術、文本數據挖掘在醫學上的
應用、文本分詞的實現、文本智能搜索、文本聚類與
分類的應用、文本主題提取應用。第8章介紹智能醫
學診斷繫統的設計思路與應用展望，還介紹了混沌人
工智能的概念以及解決復雜問題的思路。

前言
第1章 機器學習基礎
1.1 認識機器學習
1.1.1 機器學習概念
1.1.2 機器學習與生活
1.1.3 機器學習與知識
1.2 機器學習應用基礎
1.2.1 事物與維度
1.2.2 分布與關繫
1.2.3 描繪與預測
1.2.4 現像與知識
1.2.5 規律與因果
1.3 機器學習應用繫統
1.3.1 數據層
1.3.2 算法層
1.3.3 應用層
1.3.4 經驗積累與應用
1.4 無限三維嵌套空間假說
1.4.1 一維空間
1.4.2 二維空間
1.4.3 三維空間
1.4.4 突破三維空間
1.4.5 五維空間
1.4.6 六維空間
1.5 分數維度空間
1.5.1 分數維度
1.5.2 自相似性
1.5.3 無限迭代
1.6 不確定論
1.7 本章小結
第2章 數據探索
2.1 數據關繫探索
2.1.1 業務發現
2.1.2 關繫發現
2.1.3 數據質量探索
2.1.4 數據整合
2.2 數據特征探索
2.2.1 數據的統計學特征
2.2.2 統計學特征應用
2.2.3 變量相關性探索
2.3 數據選擇
2.3.1 適當的數據規模
2.3.2 數據的代表性
2.3.3 數據的選取
……
第3章 機器學習技術
第4章 機器學習應用案例
第5章 機器學習應用繫統開發
第6章 機器學習繫統應用（一）：結構數據挖掘
第7章 機器學習繫統應用（二）：非結構數據挖掘
第8章 基於機器學習的人工智能應用