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。

周志华，南京大学计算机系教授，ACM杰出科学家，IEEE Fellow, IAPR Fellow, IET/IEE Fellow, 中国计算机学会会士。国家杰出青年科学基金获得者、长江学者特聘教授。先后担任多种SCI(E)期刊执行主编、副主编、副编辑、编委等。中国计算机学会人工智能与模式识别专业委员会主任，中国人工智能学会机器学习专业委员会主任，IEEE计算智能学会数据挖掘技术委员会副主席。

目录

第1章 1

1.1 引言  1

1.2 基本术 2

1.3 假设空间 4

1.4 归纳偏好  6

1.5 发展历程 10

1.6 应用现状 13

1.7 阅读材料 16

习题 19

参考文献 20

休息一会儿 22

第2章 模型评估与选择  23 

2.1 经验误差与过拟合  23 

2.2 评估方法  24 

2.2.1 留出法  25 

2.2.2 交叉验证法  26 

2.2.3 自助法  27 

2.2.4 调参与最终模型  28 

2.3 性能度量  28 

2.3.1 错误率与精度  29 

2.3.2 查准率、查全率与F1  30 

2.3.3 ROC与AUC  33 

2.3.4 代价敏感错误率与代价曲线  35 

2.4 比较检验  37 

2.4.1 假设检验  37 

2.4.2 交叉验证t检验  40 

2.4.3 McNemar检验  41 

2.4.4 Friedman检验与后续检验  42 

2.5 偏差与方差  44 

2.6 阅读材料  46 

习题  48 

参考文献  49 

休息一会儿  51 

第3章   线性模型  53 

3.1 基本形式  53 

3.2 线性回归  53 

3.3 对数几率回归  57 

3.4 线性判别分析  60 

3.5 多分类学习  63 

3.6 类别不平衡问题  66 

3.7 阅读材料  67 

习题     69 

参考文献     70 

休息一会儿     72 

第4章   决策树  73 

4.1 基本流程  73 

4.2 划分选择  75 

4.2.1 信息增益  75 

4.2.2 增益率  77 

4.2.3 基尼指数  79 

4.3 剪枝处理  79 

4.3.1 预剪枝  80 

4.3.2 后剪枝  82 

4.4 连续与缺失值  83 

4.4.1 连续值处理  83 

4.4.2 缺失值处理  85 

4.5 多变量决策树  88 

4.6 阅读材料  92 

习题     93 

参考文献     94 

休息一会儿     95 

第5章  神经网络  97 

5.1 神经元模型  97 

5.2 感知机与多层网络  98 

5.3 误差逆传播算法  101 

5.4 全局最小与局部极小  106 

5.5 其他常见神经网络  108 

5.5.1 RBF网络  108 

5.5.2 ART网络  108 

5.5.3 SOM网络  109 

5.5.4 级联相关网络  110 

5.5.5 Elman网络  111 

5.5.6 Boltzmann机  111 

5.6 深度学习  113 

5.7 阅读材料  115 

习题     116 

参考文献     117 

休息一会儿     120 

第6章  支持向量机  121 

6.1 间隔与支持向量  121 

6.2 对偶问题  123 

6.3 核函数  126 

6.4 软间隔与正则化  129 

6.5 支持向量回归  133 

6.6 核方法  137 

6.7 阅读材料  139 

习题     141 

参考文献     142 

休息一会儿     145 

 …………