機(jī)器學(xué)習(xí)（machine learning）這個名字正受到越來越多的關(guān)注，它涵蓋數(shù)十年來在不同科學(xué)領(lǐng)域中研究和開發(fā)的很多方法，這些方法有著不同的名字，如統(tǒng)計學(xué)習(xí)、統(tǒng)計信號處理、模式識別、自適應(yīng)信號處理、圖像處理與分析、系統(tǒng)辨識與控制、數(shù)據(jù)挖掘與信息檢索、計算機(jī)視覺以及計算學(xué)習(xí)�！皺C(jī)器學(xué)習(xí)”這個名字指出了所有這些學(xué)科的共同之處，即從數(shù)據(jù)中學(xué)習(xí)（learn from data）然后做出預(yù)測（make prediction）。人們嘗試通過構(gòu)造一個模型（model）來從數(shù)據(jù)中學(xué)習(xí)其深層結(jié)構(gòu)和規(guī)律，而這個模型即可用于預(yù)測。
為此，人們已經(jīng)提出了從代價函數(shù)優(yōu)化（其目標(biāo)是優(yōu)化觀測到的數(shù)據(jù)結(jié)果與模型預(yù)測結(jié)果間的偏差）到概率模型（試圖對觀測到的數(shù)據(jù)的統(tǒng)計特征進(jìn)行建模）等許多不同的方法。
本書的目標(biāo)是通過介紹多年來研究者所遵循的主要路線和方法來營造一體式的學(xué)習(xí)體驗，引導(dǎo)讀者逐步探究機(jī)器學(xué)習(xí)領(lǐng)域。我并不傾向于某種特定的方法，因為我相信無論是從應(yīng)用角度還是從教學(xué)角度看，所有方法對希望探索機(jī)器學(xué)習(xí)奧秘的初學(xué)者而言都是有價值的。如書名所示，本書重點關(guān)注機(jī)器學(xué)習(xí)的處理和分析，而非機(jī)器學(xué)習(xí)理論本身及相關(guān)的性能界限。換句話說，我們重點關(guān)注更靠近應(yīng)用層的方法和算法。
本書是我超過30年的相關(guān)研究經(jīng)驗和相關(guān)課程教學(xué)經(jīng)驗的結(jié)晶。本書的寫作方法是令每一章（或相鄰兩章）盡可能獨立成篇。這樣，教師就可以根據(jù)需要選擇、組合某些章節(jié)以構(gòu)成其課程的重點，普通讀者也可以在首次閱讀時根據(jù)需要有選擇地精讀某些章節(jié)。在第1章中，我將給出針對不同課程使用本書的一些指導(dǎo)。
本書每章都從基本概念和基本方法開始，逐漸深入一些新進(jìn)展。某些主題需要分為兩章，例如稀疏感知學(xué)習(xí)、貝葉斯學(xué)習(xí)、概率圖模型以及蒙特卡羅方法。本書能滿足高年級本科生、研究生的學(xué)習(xí)需求，也適合不滿足于黑盒解決方案的科學(xué)家與工程師閱讀。此外，本書也能作為特定主題短期課程的教材或參考書，例如稀疏建模、貝葉斯學(xué)習(xí)、概率圖模型、神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)等主題。
第2版重要更新
本書的第1版出版于2015年，涵蓋2013~2014年機(jī)器學(xué)習(xí)領(lǐng)域的進(jìn)展。這幾年恰逢深度學(xué)習(xí)領(lǐng)域研究真正蓬勃發(fā)展的開端，深度學(xué)習(xí)重塑了我們的相關(guān)知識，并徹底改變了機(jī)器學(xué)習(xí)領(lǐng)域。大體來說，第2版的重點是重寫第18章�，F(xiàn)在這一章對該領(lǐng)域做了全面回顧，包括從早期的感知機(jī)和感知機(jī)規(guī)則直到新的研究進(jìn)展，諸如卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、對抗樣本、生成對抗網(wǎng)絡(luò)（GAN）和膠囊網(wǎng)絡(luò)等。
此外，第2版涵蓋更廣泛和詳細(xì)的非參數(shù)貝葉斯方法，如中國餐館過程（CRP）和印度自助餐過程（IBP）。我相信貝葉斯方法在未來的幾年里會越來越重要。當(dāng)然，誰也不能保證這一定會發(fā)生。然而，我認(rèn)為不確定性將是未來模型的重要部分，而貝葉斯技術(shù)至少在原則上是一個合理的入手點。關(guān)于其他章節(jié)，除修正拼寫錯誤之外，也根據(jù)學(xué)生、同事和評閱人的建議，改寫了一些內(nèi)容以使本書更易于閱讀。在此深深地感謝他們。
本書大部分章節(jié)包含MATLAB練習(xí)，相關(guān)代碼可從本書配套網(wǎng)站自由獲取。此外，在第2版中，所有的計算機(jī)練習(xí)還以Python編寫，并附有相應(yīng)的代碼，這些代碼也可以通過本書網(wǎng)站自由獲取。后，第18章中的一些與深度學(xué)習(xí)相關(guān)的、更接近實際應(yīng)用的計算機(jī)練習(xí)則用Tensorflow給出。
習(xí)題答案和講義幻燈片可從本書網(wǎng)站獲得，供教師使用。
�　￡P(guān)于本書教輔資源，只有使用本書作為教材的教師才可以申請，需要的教師請訪問愛思唯爾的教材網(wǎng)站
https://textbooks.elsevier.com/進(jìn)行申請。——編輯注��
在第2版中，所有附錄都被移到配套網(wǎng)站上且可以自由下載，這是為了節(jié)省篇幅。另外，對于第1版中介紹方法的部分章節(jié)，如果其不再是必要的基礎(chǔ)知識以及當(dāng)前的主流研究課題，雖然它們在2015年是新興且“時髦”的，但在第2版中也被移除了，這些內(nèi)容可從配套網(wǎng)站下載。
教師網(wǎng)站網(wǎng)址：
http://textbooks.elsevier.com/web/Manuals.aspx?isbn=9780128188033
配套網(wǎng)站網(wǎng)址：
https://www.elsevier.com/books�瞐nd�瞛ournals/book�瞔ompanion/9780128188033