本书介绍
这是一本面向机器学习领域所有学生的书。涵盖的材料支持一个学期的机器学习研究生所有知识点。适合各种背景的读者；一些概率、微积分和线性代数的经验就足够了。从概念上来说，本书既是对新事物的旧看法，也是对旧事物的新看法。
从一个角度来看，回到根源，强调模式分类。今天机器学习的实践与20世纪60年代的模式分类惊人地相似，只是最近几十年有一些显著的创新。
文末付本书最新版pdf免费下载地址。
这并不是低估最近的进展。像许多人一样，近年来机器学习技术发展取得的进步令人惊讶。图像识别有了显著提高。即使是小型设备现在也能可靠地识别语音。自然语言处理和机器翻译已经取得了巨大的进步。机器学习甚至在一些困难的科学问题上有所帮助，比如蛋白质折叠。
然而，我们认为不承认模式分类是这些改进背后的驱动力是错误的。迄今为止，机器学习的许多进步背后的独创性不在于从根本上偏离模式分类，而在于找到新的方法，使问题服从模式分类的模型拟合技术。因此，本书的前几章相对紧密地遵循了杜达和哈特的优秀文本“模式分类和场景分析”，特别是1973年的第一版，至今仍然适用。事实上，杜达和哈特在1973年总结了模式分类的现状，它与我们今天认为的机器学习的核心有着惊人的相似之处。我们在表示、优化和概括方面增加了新的发展，所有这些仍然是不断发展、积极研究的主题。
本书目录
