机器学习是计算机科学的重要分支领域。周志华编写的《机器学习》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：**部分(第l～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(**1～16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。

**章绪论
1.1 引言
1.2 基本术语
1.3 假设空间
1.4 归纳偏好
1.5 发展历程
1.6 应用现状
1.7 阅读材料
习题
参考文献
休息一会儿
第2章模型评估与选择
2.1 经验误差与过拟合
2.2 评估方法
2.3 性能度量
2.4 比较检验
2.5 偏差与方差
2.6 阅读材料
习题
参考文献
休息一会儿
第3章线性模型
3.1 基本形式
3.2 线性回归
3.3 对数几率回归
3.4 线性判别分析
3.5 多分类学习
3.6 类别不平衡问题
3.7 阅读材料
习题
参考文献
休息一会儿
第4章决策树
4.1 基本流程
4.2 划分选择
4.3 剪枝处理
4.4 连续与缺失值
4.5 多变量决策树
4.6 阅读材料
习题
参考文献
休息一会儿
第5章神经网络
5.1 神经元模型
5.2 感知机与多层网络
5.3 误差逆传播算法
5.4 全局*小与局部极小
5.5 其他常见神经网络
5.6 深度学习
5.7 阅读材料
习题
参考文献
休息一会儿
第6章支持向量机
6.1 间隔与支持向量
6.2 对偶问题
6.3 核函数
6.4 软间隔与正则化
6.5 支持向量回归
6.6 核方法
6.7 阅读材料
习题
参考文献
休息一会儿
第7章贝叶斯分类器
7.1 贝叶斯决策论
7.2 极大似然估计
7.3 朴素贝叶斯分类器
7.4 半朴素贝叶斯分类器
7.5 贝叶斯网
7.6 EM算法
7.7 阅读材料
习题
参考文献
休息一会儿
第8章集成学习
8.1 个体与集成
8.2 Boosting
8.3 Bagging与随机森林
8.4 结合策略
8.5 多样性
8.6 阅读材料
习题
参考文献
休息一会儿
第9章聚类
9.1 聚类任务
9.2 性能度量
9.3 距离计算
9.4 原型聚类
9.5 密度聚类
9.6 层次聚类
9.7 阅读材料
习题
参考文献
休息一会儿
**0章降维与度量学习
10.1 南近邻学习
10.2 低维嵌入
10.3 主成分分析
10.4 核化线性降维
10.5 流形学习
10.6 度量学习
10.7 阅读材料
习题
参考文献
休息一会儿
**1章特征选择与稀疏学习
11.1 子集搜索与评价
11.2 过滤式选择
11.3 包裹式选择
11.4 嵌入式选择与L1正则化
11.5 稀疏表示与字典学习
11.6 压缩感知
11.7 阅读材料
习题
参考文献.
休息一会儿
**2章计算学习理论
12.1 基础知识
12.2 PAC学习
12.3 有限假设空间
12.4 VC维
12.5 Rademacher复杂度
12.6 稳定性
12.7 阅读材料
习题
参考文献
休息一会儿
**3章半监督学习
13.1 未标记样本
13.2 生成式方法
13.3 半监督SVM
13.4 图半监督学习
13.5 基于分歧的方法
13.6 半监督聚类
13.7 阅读材料
习题
参考文献
休息一会儿
**4章概率图模型
14.1 隐马尔可夫模型
14.2 马尔可夫随机场
14.3 条件随机场
14.4 学习与推断
14.5 近似推断
14.6 话题模型
14.7 阅读材料
习题
参考文献
休息一会儿
**5章规则学习
15.1 基本概念
15.2 序贯覆盖
15.3 剪枝优化
15.4 一阶规则学习
15.5 归纳逻辑程序设计
15.6 阅读材料
习题
参考文献
休息一会儿
**6章强化学习
16.1 任务与奖赏
16.2 K一摇臂赌博机
16.3 有模型学习
16.4 免模型学习
16.5 值函数近似
16.6 模仿学习
16.7 阅读材料
习题
参考文献
休息一会儿
附录
A矩阵
B优化
C概率分布
后记
索引