本书对机器学习的基础知识和基本算法进行了详细的介绍,对广泛应用的经典算法(如线性回归、逻辑回归、 朴素贝叶斯、支持向量机、决策树和集成学习等)进行了深入的分析,并讨论了无监督学习的基本方法。用6章对 深度学习和深度强化学习进行了相当全面的叙述,不仅深入地讨论了反向传播算法、多层感知机、卷积神经网络、 循环神经网络和长短期记忆网络等深度神经网络的核心知识和结构,对于一些发展中的专题(如Transformer、大 模型和深度生成模型等)也给予了一定深度的介绍。对于强化学习,不仅介绍了经典表格方法,也较详细地讨论了 深度强化学习及应用实例。本书对于基础和前沿、经典方法和热门技术尽可能平衡,使读者不仅能在机器学习领 域打下一个良好的基础,同时也可以利用所学知识解决遇到的实际问题并进入学科前沿。 本书是一本面向大学理工科和管理类各专业的宽口径、综合性的机器学习教材,可供高年级本科生和研究生 使用,也可帮助科技人员、工程师和程序员自学机器学习的原理和算法。