模式識別與機器學(xué)習(xí)系統(tǒng)介紹了模式識別與機器學(xué)習(xí)的基礎(chǔ)理論、模型與算法，同時兼顧了前沿知識的適當融入。本書以貝葉斯學(xué)習(xí)的思想貫穿始終，并適時與其他重要知識點（如支持向量機、深度學(xué)習(xí)）等進行交叉和關(guān)聯(lián)，便于讀者在形成良好知識體系的同時保持對整個領(lǐng)域知識的全面把握。
全書共14章和4個附錄，循序漸進地對模式識別與機器學(xué)習(xí)領(lǐng)域進行剖析。首先介紹貝葉斯學(xué)習(xí)基礎(chǔ)、邏輯回歸、概率圖模型基礎(chǔ)、隱馬爾可夫模型和條件隨機場，接著介紹支持向量機、人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)、高斯過程、聚類、主成分分析與相關(guān)的譜方法，最后介紹確定性近似推理、隨機近似推理和強化學(xué)習(xí)。附錄包括傳統(tǒng)的模式識別與機器學(xué)習(xí)方法近鄰法和決策樹，還有向量微積分和隨機變量的變換等與本學(xué)科方向強相關(guān)的重要知識點。
本書內(nèi)容深入淺出，生動有趣，力求反映這一領(lǐng)域的核心知識體系和新的發(fā)展趨勢。每章內(nèi)容都盡可能做到豐富完整，并附有思考與計算題，便于讀者對知識的鞏固和融會貫通。
本書適合作為本科生和研究生（碩/博）課程的教材，也可作為希望從事人工智能相關(guān)工作的科技工作者的自學(xué)參考書。