下載地址：網盤下載

機器學習是電腦科學與人工智慧的重要分支領域. 本書作為該領域的入門教材，在內容上儘可能涵蓋機器學習基礎知識的各方面。 為了使盡可能多的讀者通過本書對機器學習有所瞭解, 作者試圖儘可能少地使用數學知識. 然而, 少量的概率、統計、代數、優化、邏輯知識似乎不可避免. 因此, 本書更適合大學三年級以上的理工科本科生和研究生, 以及具有類似背景的對機器學 習感興趣的人士. 為方便讀者, 本書附錄給出了一些相關數學基礎知識簡介.
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、神經網路、支援向量機、貝葉斯分類器、整合學習、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.前3章之外的後續各章均相對獨立, 讀者可根據自己的興趣和時間情況選擇使用. 根據課時情況, 一個學期的本科生課程可考慮講授前9章或前10章; 研究生課程則不妨使用全書.
書中除第1章外, 每章都給出了十道習題. 有的習題是幫助讀者鞏固本章學習, 有的是為了引導讀者擴充套件相關知識. 一學期的一般課程可使用這些習題, 再輔以兩到三個針對具體資料集的大作業. 帶星號的習題則有相當難度, 有些並無現成答案, 謹供富有進取心的讀者啟發思考.
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。
周志華，南京大學教授，電腦科學與技術系副主任，軟體新技術國家重點實驗室常務副主任，機器學習與資料探勘研究所（LAMDA）所長，校、系學術委員會委員；ACM傑出科學家，IEEE Fellow，IAPR Fellow，中國計算機學會會士；長江學者特聘教授，國家傑出青年基金獲得者。2007年建立南京大學機器學習與資料探勘研究所（LAMDA），2010年11月任軟體新技術國家重點實驗室常務副主任，2013年5月任計算機系副主任。
下載地址：