机器学习+统计学习方法（第二版）

《机器学习》

内容全面；结构合理；叙述清楚；深入浅出。人工智能领域中文的开山之作！
这是一本面向中文读者的机器学习教科书, 为了使尽可能多的读者通过本书对机器学习有所了解, 作者试图尽可能少地使用数学知识.
然而, 少量的概率、统计、代数、优化、逻辑知识似乎不可避免. 因此, 本书更适合大学三年级以上的理工科本科生和研究,
以及具有类似背景的对机器学习感兴趣的人士. 为方便读者, 本书附录给出了一些相关数学基础知识简介.

？

《统计学习方法》
随着人工智能和大数据在社会各行各业的广泛应用，统计学习方法已经成为人们急需了解与掌握的热门知识与技术。本书为具有高等数学、线性代数和概率统计基础知识的人们提供了一本统计机器学习的基本读物。2012年的版叙述了一批重要和常用的主要是监督学习的方法，受到广大读者的欢迎，已加印十三万多册。第二版主要增加了无监督学习的内容，包括十种统计学习方法，使读者能够更好地了解和掌握统计机器学习这门新兴学科。

《机器学习》

机器学习是计算机科学与人工智能的重要分支领域. 本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面. 全书共16 章，大致分为3 个部分：1 部分（1～3 章）介绍机器学习的基础知识；第2 部分（第4～10 章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；第3 部分11～16 章）为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等. 每章都附有习题并介绍了相关阅读材料，以便有兴趣的读者进一步钻研探索。

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。

《统计学习方法》
本书全面系统地介绍了统计学习的主要方法，共分两篇。篇系统介绍监督学习的各种重要方法，包括决策树、感知机、支持向量机、很大熵模型与逻辑斯谛回归、推进法、多类分类法、EM算法、隐马尔科夫模型和条件随机场等；第二篇介绍无监督学习，包括聚类、奇异值、主成分分析、潜在语义分析等。两篇中，除概论和总结外，每章介绍一或二种方法。

《机器学习》

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。

《统计学习方法》
"李航，男，毕业于日本京都大学电气电子工程系，日本东京大学获得计算机科学博士学位。北京大学、南京大学兼职教授。
曾任日本NEC公司中央研究所研究员，微软亚洲研究院不错研究员与主任研究员、华为技术有限公司诺亚方舟实验室主任。现任今日头条人工智能实验室主任。"

《机器学习》
《统计学习方法》
【注】本套装以商品标题及实物为准，因仓位不同可能会拆单发货，如有需要购买前可联系客服确认后再下单，谢谢！

《机器学习》

书中除章外, 每章都给出了十道习题. 有的习题是帮助读者巩固本章学习, 有的是为了引导读者扩展相关知识. 一学期的一般课程

可使用这些习题, 再辅以两到三个针对具体数据集的大作业. 带星号的习题则有相当难度, 有些并无现成答案, 谨供富有进取心的读者

启发思考.

？

本书在内容上尽可能涵盖机器学习基础知识的各方面, 但作为机器学习入门读物且因授课时间的考虑, 很多重要、前沿的材料未能覆盖,

即便覆盖到的部分也仅是管中窥豹, 更多的内容留待读者在进阶课程中学习. 为便于有兴趣的读者进一步钻研探索, 本书每章均介绍了

一些阅读材料, 谨供读者参考.

？

笔者以为, 对学科相关的重要人物和事件有一定了解, 将会增进读者对该学科的认识. 本书在每章最后都写了一个与该章内容

相关的小故事, 希望有助于读者增广见闻, 并且在紧张的学习过程中稍微放松调剂一下.

？

书中不可避免地涉及大量外国人名, 若全部译为中文, 则读者在日后进一步阅读文献时或许会对不少人名产生陌生感, 不利于进一步学习.

因此, 本书仅对一般读者耳熟能详的名字如“图灵”等加以直接使用, 对故事中的一些主要人物给出了译名, 其他则保持外文名.

？

机器学习发展极迅速, 目前已成为一个广袤的学科, 罕有人士能对其众多分支领域均有精深理解. 笔者自认才疏学浅, 仅略知皮毛, 更兼时间和精力所限,

书中错谬之处在所难免, 若蒙读者诸君不吝告知, 将不胜感激.

《统计学习方法》
第二版序言

《统计学习方法》版于2012年出版，讲述了统计机器学习方法，主要是一些常用的监督学习方法．
第二版增加了一些常用的无监督学习方法，由此本书涵盖了传统统计机器学习方法的主要内容．
在撰写《统计学习方法》伊始，对全书内容做了初步规划．版出版之后，即着手无监督学习方法
的写作．由于写作是在业余时间进行，常常被主要工作打断，历经六年时间才使这部分工作得以完成．
犹未能加入深度学习和强化学习等重要内容，希望今后能够增补，完成整本书的写作计划．
《统计学习方法》的出版正值大数据和人工智能的热潮，生逢其时，截至2018年4月本书共印刷21次，
133,000册，得到了广大读者的欢迎和支持．有许多读者指出本书对学习和掌握机器学习技术有极大的
帮助．也有许多读者通过电子邮件、微博等方式指出书中的错误，提出改进的建议和意见．一些高校
将本书作为机器学习课程的教材或参考书．有的同学在网上发表了读书笔记．有的同学将本书介绍的
方法在计算机上实现．清华大学深圳研究生院袁春老师精心制作了版十二章的课件，在网上公布，
为大家提供教学之便．众多老师、同学、读者的支持和鼓励，让作者深受感动和鼓舞．在这里向所有
的老师、同学、读者致以诚挚的谢意！
能为中国的计算机科学、人工智能领域做出一点微薄的贡献，感到由衷的欣慰，同时也感受到作为知
识转播者的重大责任，让作者决意把本书写好．也希望大家今后不吝指教，多提宝贵意见，以帮助继
续提高本书的质量．在写作中作者也深切体会到教学相长的道理，经常发现自己对基础知识的掌握不
够扎实，整个过程帮助自己对相关知识进行了深入的学习，受益匪浅．
本书是一部机器学习的基本读物，要求读者拥有高等数学、线性代数和概率统计的基础知识．书中主
要讲述统计机器学习的方法，力求系统全面又简明扼要地阐述这些方法的理论、算法和应用，使读者
能对这些机器学习的基本技术有很好的掌握．针对每个方法，详细介绍其基本原理，基础理论，实际
算法，通常给出细致数学推导和具体实例，帮助读者理解，也便于日后复习．
第二版增加的无监督学习方法的初稿，王泉、陈嘉怡、柴琛林、赵程绮等帮助做了认真细致的校阅，
提出了许多宝贵意见，在此谨对他们表示衷心的感谢．清华大学出版社的薛慧编辑一直给予非常专业
的指导和帮助，在此也对她表示衷心的感谢．
由于作者水平有限，本书一定存在不少错误，恳请各位专家、老师、同学、读者批评指正．

李 航
2018年4月23日

《机器学习》