周志華

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，內容涉及特徵選擇與稀疏學習、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.每章都附有習題並介紹了相關閱讀材料，以便有興趣的讀者進一步鑽研探索.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.

《機器學習及其應用2011》主要內容簡介：機器學習是計算機科學和人工智能中非常重要的一個研究領域。近年來，機器學習不僅在計算機科學的眾多領域中大顯身手，還成為一些交叉學科的重要支持技術。《機器學習及其應用2011》邀請國內外相關領域的專家撰文，以綜述的形式分別介紹機器學習不同分支及相關領域的研究進展。全書共分14章，內容分別涉及因果推斷、流形學習與降維、遷移學習、類別不平衡學習、演化聚

機器學習是人工智能的一個核心研究領域，也是近年來計算機科學中最活躍的研究分支之一。目前，機器學習技術不僅在計算機科學的眾多領域中大顯身手，還成為一些交叉學科的重要支撐技術。本書邀請相關領域的專家撰文，以綜述的形式介紹機器學習中一些領域的研究進展。全書共分13章，內容涉及高維數據降維、特征選擇、支持向量機、聚類、強化學習、半監督學習、復雜網絡、異構數據、商空間、距離度量以及機器學習在自然語言處理中的

機器學習是人工智能的一個核心研究領域，也是近年來計算機科學中最活躍的研究分支之一。目前，機器學習技術不僅在計算機科學的眾多領域中大顯身手，還成為一些交叉學科的重要支撐技術。本書邀請相關領域的專家撰文，以綜述的形式介紹機器學習中一些領域的研究進展。全書共分10章，內容涉及正則化、Boosting、聚類分析、因果發現、維數削減、強化學習、遷移學習、流形學習、多示例多標記學習等。 本書可供計算機、自動化