机器学习

这是一本面向中文读者的机器学习教科书,为了使尽可能多的读者通过本书对机器学习有所了解,
作者试图尽可能少地使用数学知识.然而，少量的概率、统计、代数、优化、逻辑知识似乎不可避免.
因此,本书更适合大学三年级以上的理工科本科生和研究生,以及具有类似背景的对机器学习感兴趣
的人士.为方便读者,本书附录给出了一些相关数学基础知识简介.

全书共16章,大体上可分为3个部分:第1部分包括第1~3章,介绍机器学习基础知识;第2部
分包括第4~10章,介绍- -些经 典而常用的机器学习方法;第3部分包括第11~16章,介绍- -些进阶知
识前3章之外的后续各章均相对独立,读者可根据自己的兴趣和时间情况选择使用.根据课时情况,
一个学期的本科生课程可考虑讲授前9章或前10章;研究生课程则不妨使用全书
。

书中除第1章外,每章都给出了十道习题.有的习题是帮助读者巩固本章学习,有的是为了引导读
者扩展相关知识。一学期的一般课程可使用这些习题，再辅以两到三个针对具体数据集的大作业.带
星号的习题则有相当难度，有些并无现成答案，谨供富有进取心的读者启发思考.

本书在内容上尽可能涵盖机器学习基础知识的各方面,但作为机器学习入门读物且因授课时间的
考虑，很多重要、前沿的材料未能覆盖,即便覆盖到的部分也仅是管中窥豹，更多的内容留待读者在
进阶课程中学习.为便于有兴趣的读者进一步钻研探索，本书每章均介绍了-些阅读材料,谨供读者
参考.

笔者以为,对学科相关的重要人物和事件有一-定 了解,将会增进读者对该学科的认识本书在每
章*后都写了一个与该章内容相关的小故事,希望有助于读者增广见闻，并且在紧张的学习过程中稍
微放松调剂一下.

书中不可避免地涉及大量外国人名,若全部译为中文,则读者在日后进一-步阅读 文献时或许会对
不少人名产生陌生感,不利于进一步学习.因此,本书仅对- -般读者耳熟能详的名字如“图灵”等加
以直接使用，对故事中的一些主要人物给出了译名,其他则保持外文名.

机器学习发展极迅速，目前已成为一个广袤的学科,罕有人士能对其众多分支领域均有精深理解.
笔者自认才疏学浅，仅略知皮毛,更兼时间和精力所限，书中错谬之处在所难免,若蒙读者诸君不吝告
知,将不胜感激.

 周志华
 2015年6月

机器学习是计算机科学的重要分支领域. 本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面. 全书共 16 章，大致分为 3 个部分：第 1 部分（第 1～3 章）介绍机器学习的基础知识；第 2 部分（第 4～10 章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；第 3 部分（第 11～16 章）为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等. 每章都附有习题并介绍了相关阅读材料，以便有兴趣的读者进一步钻研探索. 
本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考.