本书是一部论述机器学习原理与算法的立体化教材（含纸质图书、教学课件和部分视频教程），本书兼顾机器学习基础、经典方法和深度学习方法。对组成机器学习的基础知识和基本算法做了比较细致的介绍，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算法都给出了深入的分析，并讨论了无监督学习的基本方法。用5章的篇幅对深度学习和深度强化学习做了相当全面的叙述，不仅深入地讨论了反向传播算法、多层感知机、CNN网络、RNN网络和LSTM结构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生成对抗网络（GAN）和Transformer等也予以一定深度的介绍。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。本书是面向大学理工科和管理类各专业的一本宽口径、综合性机器学习教材，可供本科高年级和研究生课程使用，也可供科技人员、工程师和程序员自学机器学习的原理和算法之用。本书对基础和前沿、经典方法和热门技术做了尽可能地平衡，使得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。

张旭东 清华大学电子工程系长聘教授，博士生导师，主要研究方向为信号处理和机器学习。先后承担国家级、省部级和国际合作项目数十项，在IEEE、IET、ACM等重要刊物和NIPS、AAAI、ICASSP、SIGIR等重要会议上发表学术论文150余篇，出版著作5部。获得Elsevier的**引用奖（The Most Cited Paper Award）和IET国际雷达年会**论文奖，两次获得清华大学教学成果一等奖，三次获得清华大学优秀教材奖。

前言 机器学习已经成为一种解决诸多问题的有效工具，广泛应用于多学科交叉领域。本书以理工科高年级本科生和一年级研究生的基础知识为起点，以面向工程应用为目标，适度侧重电子信息专业学生，并尽可能满足其他专业需求，是一本通用性和专业性兼顾的机器学习教材。通过学习本书，读者可以为掌握机器学习的本质和算法、解决实际问题以及开展与本领域相关的研究打下基础。 不考虑机器学习当前的热度，其解决问题的思想和方法有长远价值，今后或许会有冷热反复，但这是一个有长远发展的方向。 本书是作者在清华大学讲授“机器学习”课程的讲义基础上修订而成的，该课程主要面向电子信息专业的本科生和研究生的“本研贯通”课程，对其他理工科和管理类专业开放，先后有20多个院系的本科生和研究生也选修了该课程。 作为“机器学习”课程的教材，本书在材料选择上做了尽可能的平衡，既要反映机器学习的基础知识和经典方法，又要重视近期非常活跃的深度学习的内容。由于机器学习的成果非常丰富，构成一本教材的材料的可选择面非常广，因此我们在基础和前沿的材料中做了仔细的选择。深度学习很重要，尤其是当前的一些商业化应用（包括计算机视觉、语音识别、自然语言处理、推荐系统、信息检索等），既有大数据支持，又可以通过大规模计算系统进行训练(学习)，取得了许多重要进展。但并不是所有应用都有必要使用深度学习，许多问题用传统机器学习技术就可以取得很好的结果，尤其是一些工程中的专门领域，获取大数据集是非常困难的，对于这些领域，经典的机器学习方法可得到更广泛应用。 基于以上考虑，本书对机器学习的经典算法和深度学习算法都给予相当深入的介绍，全书内容分为6个单元。...