本書是一部介紹機器學習算法的書籍。本書在闡述與機器學習的數(shù)學和統(tǒng)計學理論的同時，提供了相關的編程實踐和實驗。第2版新增了深度信念網(wǎng)絡和高斯過程的章節(jié)、卡爾曼濾波器和粒子濾波器的附加討論，對支持向量機的內容進行修訂，并且對代碼進行改進。目錄：前言、預先準備、神經(jīng)元、神經(jīng)網(wǎng)絡和線性判別、多層感知器、徑向基函數(shù)和樣條、降維、概率學習、支持向量機、優(yōu)化和搜索、進化學習、強化學習、特征樹學習、集成學習、非監(jiān)督學習、馬爾科夫鏈蒙特卡洛方法、圖模型、對稱權值和深度置信網(wǎng)絡、高斯過程。