内容简介 · · · · · ·
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、规则学习以及强化学习等。前3章之外的后...
在线试读
：
作者简介 · · · · · ·
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。
目录 · · · · · ·
丛书信息
· · · · · ·
清华社人工智能系列(共30册)，
这套丛书还有
《Python强化学习实战：使用OpenAI Gym、TensorFlow和Keras》《深度强化学习图解》《Python深度学习异常检测 使用Keras和PyTorch》《Keras深度神经网络》《人工智能算法图解》
等
。
喜欢读"机器学习"的人也喜欢的电子书 · · · · · ·
支持 Web、iPhone、iPad、Android 阅读器
喜欢读"机器学习"的人也喜欢 · · · · · ·
机器学习的书评 · · · · · · ( 全部 56 条 )
用户5616961672
这本书 应该没你们说的那么好
看到这本书豆瓣上评到9.1，各种赞誉，很是惊奇，感叹国内作者能写出这样的书来真不容易。 当然有好书我也想看，昨晚下单，今天到货，很不好意思，要泼点冷水，这本书没有你们说的你们好。 简单说：这本书作为自学教材，是绝对不合适的。这本书其实是本：<机器学习导论>。 以下...
(展开)
一瓢之饮
谁说这本书简单易懂的？你站出来，我保证不打死你。
内容是挺严谨，因为显然，能用公式表达的地方它都用公式了…… 带来的问题是，很多本来简单的道理也变得非常难懂。 幸好我是配合国外课程边听边看的，我在课程里听得挺明白的，但同一个章节，我再去这本书里看，却看得很累。 你可以想象书有多难懂了吧！ 作为一本教科书，我觉...
(展开)
WenzheWang
可以当个随便翻翻的Review，不懂评分为什么这么高
这本书的纸张选的很怪异，装在包里很难装，放书柜也不好放。从出版至今短短一两年的时间，这本破书就改了十版，可想而知这本书里到底是有多少错误，作者对待这本书是什么个态度。作者说要把这本书当成教科书，但真正学机器学习技术的人不会看这本书（至少我看完后悔了），只能...
(展开)
> 更多书评 56篇
论坛 · · · · · ·
| 建个MicroXin群，一起交流？ | 来自新昵称希望转运 | 2020-11-25 11:41:20 | |
| 看懂这本书的数学功底需要达到什么水平? | 来自讯言 | 4 回应 | 2019-05-30 11:42:00 |
| 求推荐配套相关的软件工具书籍或资源 | 来自redlion | 2016-09-09 15:09:09 |
以下书单推荐 · · · · · · ( 全部 )
- 豆瓣高分书2700本：千人打分不低于8分 (偶就是那个鬼)
- 【书】所谓知识的另一种 (自娱者小五)
- 37°暖书单（二） (37°暖)
- 闲着没事读读书（四） (鹿小羽)
- 数据挖掘、统计、机器学习 (大米粒)
谁读这本书? · · · · · ·
二手市场
· · · · · ·
订阅关于机器学习的评论:
feed: rss 2.0
8 有用 自娱者小五 2018-06-04 09:05:41
3周读罢，不很深入，但作为概念普及算是够用了，大部分基本上对统计学、图论和线性代数有基础的就能读下来，其他靠逻辑能力理解。我觉得决策树和神经网络两章最出彩，11-14章就有些难了，理论推导居多，最开始几章很好用的挑瓜不知道为什么到这几章就没有用得很充分，跟下来需要耐心。现在机器学习相关的网络课程和书看了一些，感觉理解比较透彻的算法都是有实例支撑的，如果没有应用场景对我这种本来就是不是基于实际需求去... 3周读罢，不很深入，但作为概念普及算是够用了，大部分基本上对统计学、图论和线性代数有基础的就能读下来，其他靠逻辑能力理解。我觉得决策树和神经网络两章最出彩，11-14章就有些难了，理论推导居多，最开始几章很好用的挑瓜不知道为什么到这几章就没有用得很充分，跟下来需要耐心。现在机器学习相关的网络课程和书看了一些，感觉理解比较透彻的算法都是有实例支撑的，如果没有应用场景对我这种本来就是不是基于实际需求去学习的人太不生动了，临到用时也未必想得起来。下一本准备读李航。 (展开)
48 有用 亲爱的猥琐猪 2016-05-08 15:19:48
作者前言及纠错信箱：http://cs.nju.edu.cn/zhouzh/zhouzh.files/publication/MLbook2016.htm 。可见这本书出发点就是“启蒙”，非常朴实。倒不存在和另一些书去争高下，各有特长。机器学习和很多相关领域一样，不是公式堆砌，也不是故作高深，相反，用大白话讲到尽可能多的人懂，就是好的。可以看到，很多方法除开优雅的推演，直觉上也是合理且美的。重要的... 作者前言及纠错信箱：http://cs.nju.edu.cn/zhouzh/zhouzh.files/publication/MLbook2016.htm 。可见这本书出发点就是“启蒙”，非常朴实。倒不存在和另一些书去争高下，各有特长。机器学习和很多相关领域一样，不是公式堆砌，也不是故作高深，相反，用大白话讲到尽可能多的人懂，就是好的。可以看到，很多方法除开优雅的推演，直觉上也是合理且美的。重要的是把握一个方法的思考脉络。当然，真正的学术派（论文狗）会在某些章节某些细节里会心一笑：无论自己投稿，还是审别人稿，常遇到的一些疑难被提到了，不免汗颜，不免亲切。最后，推荐主页上另一本Ensemble Methods，概括性不错。 (展开)
6 有用 olostin 2017-11-06 18:16:21
第四次读三天草草翻完，变成ppt讲义很方便。20180504。第一次读得艰难，第二次读得兴奋，第三次读得轻松。现在这本书的最大价值是每一章的参考文献。周志华老师是用心人。
280 有用 谜团 2016-08-17 23:17:48
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？
5 有用 frank_0713 2018-04-22 03:49:01
既不深入，也不浅出。有些地方莫名就飞出来个式子和符号，其中有些给了文献引用，但还是具体说明和解释下吧，不然不如直接去看那篇论文好了。总之，读感相当之不好。这开本和厚度以及覆盖的内容，注定了只能算是个ML纲要或者导论。reference算是这本书最好的地方，这更像是导论了。。。
0 有用 刘翛 2022-12-18 10:52:26 山东
真的能有人在入门的时候就看得懂这本书么
0 有用 男神欧拉 2022-12-17 15:51:53 山东
很适合新手，看的极为舒服
0 有用 heart_wuyuan 2022-12-16 18:05:07 荷兰
虽然不是启蒙，但确实是翻的最多的一本，主要是比较全。犹记得老师在课堂上纠结Top10 机器学习方法是哪十个，阶段性发展结束了大家都喜欢做总结呢 hhh
0 有用 UKIGUMO 2022-12-14 23:40:41 广东
目前读过最被过誉的专业书，拿去做ppt都够呛，更不用说学习理论了：明白的人看着食之无味，不懂的人学习效果还不如直接google（反正这年头会调sklearn都算会机器学习了）
0 有用 is 2022-12-12 18:48:26 湖北
“入门书”