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。 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生, 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.
全书共16 章，大致分为3 个部分：第1 部分（第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（第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、…

周志华，南京大学教授，计算机科学与技术系副主任，软件新技术国家重点实验室常务副主任，机器学习与数据挖掘研究所（LAMDA）所长，校、系学术委员会委员；ACM杰出科学家，IEEE Fellow，IAPR Fellow，中国计算机学会会士；长江学者特聘教授，国家杰出青年基金获得者。2007年创建南京大学机器学习与数据挖掘研究所（LAMDA），2010年11月任软件新技术国家重点实验室常务副主任，2013年5月任计算机系副主任。

评论

这本书更合适作为一学期课程的教材，非常不推荐自学，鬼知道我当初看到precision，recall，ROC和AUC时查了多少资料。很多内容是懂的人不用看，不懂的人依然看不懂，国内不友好教材的通病
机器学习是达到人工智能的手段，而非人工智能本身。
懂得人不用看，不懂的人看了也不会懂，不知道为什么评价这么高，就因为排版还不错吗？
简明而深刻，厚积薄发的评注非常开拓思维，多是游刃有余之后才可得出的见解，受益匪浅，我觉得给六星也不夸张，论述很系统很全面，对知识领域一览无余、豁然开朗的感觉真好
不要窄化思维。