北京机器学习是计算机科学和人工智能中非常重要的一个研究领域，近年来，机器学习不但在计算机科学的众多领域中大显身手，而且成为一些交叉学科的重要支撑技术。本书邀请国内外相关领域的专家撰文，以综述的形式介绍机器学习中不同领域的研究进展。全书共分13章。第1章是关于机器学习的一个全局性综述。第2至第6章分别对统计学习、非监督学习、符号学习、强化学习和流形学习进行了综述，并穿插了作者的一些精彩工作。第7和第8章分别介绍了作者在集成学习和进化学习中某一具体话题上的研究成果。第9和第10章对数据挖掘中的一些问题进行了介绍和讨论。第11至第13章则对机器学习在模式识别、视频信息处理等领域的应用做了介绍。本书可供计算机、自动化及相关专业的学生、教师、研究生和工程技术人员参考。

2002年，复旦大学智能信息处理开放实验室(即现在的复旦大学上海市智能信息处理重点实验室)成立之时，陆汝钤老师建议实验室组织“智能信息处理系列研讨会”作为实验室的一项重要学术活动，并将“机器学习及其应用”列为当年支持的研讨会之一。在2002年11月的第一个周末，研讨会成功举行，并确定了会议不征文、不收费、报告人由组织者邀请，以及“学术至上，其他从简”的办会宗旨。在2004年的研讨会上，两天半的会议保持100余人的旁听者，这令与会专家深受鼓舞，并商定从这次会议开始，将“机器学习及其应用”发展成为一个系列研讨会，在每年11月第一个周末举行。本书就是清华大学出版社为这次会议出版的文集。随着各行各业大量数据的涌现，如何使得这些数据变为提高管理水平、发展产业效益与保障社会与信息安全的重要资源，成为当前重要且不得不解决的重要问题，这就需要分析或阅读这些数据。数据分析与机器学习是完成上述任务的重要途径，就“分析与阅读数据”而言，它们的目标是一致的，其区别仅仅是学者为了区分研究方法而使用了不同的术语。因此，一般地说，从解决“分析与阅读数据”的角度，我们可以对此不加区分，事实上，“机器学习及其应用”系列研讨会，同样欢迎数据分析的研究报告。正是由于各行各业需求的推动，近几年，机器学习得到了学术界的充分重视，例如，2005年国际人工智能联合会议(IJCAI'05)收录的文章中将近一半或多或少地与机器学习研究有关，这与以往的国际人工智能联合会议上“机器学习”只有一两个分组会议有天壤之别。目前，机器学习研究大致可以分为三种不同的途径：其一，将以往机器学习研究整理并上升为理论，例如，统计机器学习理...