本書系統(tǒng)闡述了機器學習的基本理論、算法和實現(xiàn)。全書共11章：第1章著重介紹了機器學習的基本知識；第2章介紹了樣本數(shù)據(jù)預處理和提取的傳統(tǒng)算法(如PCA和LDA)，并增加了流形學習和稀疏表征等理論；第3-8章系統(tǒng)介紹了傳統(tǒng)機器學習算法，如監(jiān)督學習(貝葉斯、最近鄰、線性模型、非線性模型和集成學習)和非監(jiān)督學習(聚類)；第9、10章分別介紹了概率圖模型和人工神經(jīng)網(wǎng)絡的基本理論；第11章著重講述了強化學習的基本理論和算法。本書針對理論難點，插入了可視化圖，引導讀者對理論的理解；每章配有習題，以便指導讀者深入地進行學習。每章還配有基于Python的實驗，便于工程類讀者快速將理論轉(zhuǎn)化為實踐應用，也方便學術(shù)型讀者編程實現(xiàn)。