內容簡介

機器學習是計算機科學的重要分支領域．本書作為該領域的入門教材，在內容上盡可能涵蓋機器學習基礎知識的各方面．全書共16章，大致分為3個部分：第1部分（第1～3章）介紹機器學習的基礎知識；第2部分（第4～10章）討論一些經典而常用的機器學習方法（決策樹、神經網絡、支持向量機、貝葉斯分類器、集成學習、聚類、降維與度量學習）；第3部分（第11～16章）為進階知識，內容涉及特征選擇與稀疏學習、計算學習理論、半監督學習、概率圖模型、規則學習以及強化學習等，每章都附有習題并介紹了相關閱讀材料，以便有興趣的讀者進一步鉆研探索．本書可作為高等院校計算機、自動化及相關專業的本科生或研究生教材，也可供對機器學習感興趣的研究人員和工程技術人員閱讀參考。