"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。"

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。主持国家级、省部级项目，以及企业合作项目数十项，发表学术论文180余篇，出版图书8部。获得爱思唯尔的**引用论文奖（The Most Cited Paper Award）和英国工程技术学会国际雷达会议的**论文奖。两次获得清华大学教学成果奖一等奖，三次获得清华大学优秀教材奖，获得郑君里教书育人杰出贡献奖和章毓晋图书奖一等奖。

前言 机器学习已经成为一种解决诸多问题的有效工具，并成为实现人工智能的重要技术支撑。本书是以理工科高年级本科生或低年级研究生的基础知识为起点，以面向应用为目标的机器学习教材。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。 本书并不完全是一本新书，而是由清华大学出版社2022年出版的《机器学习导论》修订而成。在清华大学牵头建设的新兴领域“十四五”高等教育教材“新一代信息技术(人工智能)系列丛书”中，规划了《机器学习》教材。作者按照该系列教材的要求，以《机器学习导论》为基础进行了修订和补充，形成了这本新教材。 作为“机器学习”课程的教材，本书在材料选择上做了尽可能地平衡，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非常广泛，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，尤其是当前的一些复杂应用(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，近期以ChatGPT为代表的大模型就是建立在深度学习基础上的。但并不是所有应用都有必需使用深度学习，许多问题用传统机器学习技术已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，对这些领域，经典的机器学习方法仍可发挥作用。 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，读者在学习时，可将全书内容分为7个单元。 第1单元包括...