機(jī)器學(xué)習(xí)（machine learning）這個(gè)名字正受到越來(lái)越多的關(guān)注，它涵蓋數(shù)十年來(lái)在不同科學(xué)領(lǐng)域中研究和開(kāi)發(fā)的很多方法，這些方法有著不同的名字，如統(tǒng)計(jì)學(xué)習(xí)、統(tǒng)計(jì)信號(hào)處理、模式識(shí)別、自適應(yīng)信號(hào)處理、圖像處理與分析、系統(tǒng)辨識(shí)與控制、數(shù)據(jù)挖掘與信息檢索、計(jì)算機(jī)視覺(jué)以及計(jì)算學(xué)習(xí)。“機(jī)器學(xué)習(xí)”這個(gè)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(cè)（make prediction）。人們嘗試通過(guò)構(gòu)造一個(gè)模型（model）來(lái)從數(shù)據(jù)中學(xué)習(xí)其深層結(jié)構(gòu)和規(guī)律，而這個(gè)模型即可用于預(yù)測(cè)。
為此，人們已經(jīng)提出了從代價(jià)函數(shù)優(yōu)化（其目標(biāo)是優(yōu)化觀測(cè)到的數(shù)據(jù)結(jié)果與模型預(yù)測(cè)結(jié)果間的偏差）到概率模型（試圖對(duì)觀測(cè)到的數(shù)據(jù)的統(tǒng)計(jì)特征進(jìn)行建模）等許多不同的方法。
本書(shū)的目標(biāo)是通過(guò)介紹多年來(lái)研究者所遵循的主要路線和方法來(lái)營(yíng)造一體式的學(xué)習(xí)體驗(yàn)，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?yàn)槲蚁嘈艧o(wú)論是從應(yīng)用角度還是從教學(xué)角度看，所有方法對(duì)希望探索機(jī)器學(xué)習(xí)奧秘的初學(xué)者而言都是有價(jià)值的。如書(shū)名所示，本書(shū)重點(diǎn)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(shuō)，我們重點(diǎn)關(guān)注更靠近應(yīng)用層的方法和算法。
本書(shū)是我超過(guò)30年的相關(guān)研究經(jīng)驗(yàn)和相關(guān)課程教學(xué)經(jīng)驗(yàn)的結(jié)晶。本書(shū)的寫(xiě)作方法是令每一章（或相鄰兩章）盡可能獨(dú)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(diǎn)，普通讀者也可以在首次閱讀時(shí)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(duì)不同課程使用本書(shū)的一些指導(dǎo)。
本書(shū)每章都從基本概念和基本方法開(kāi)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(shū)能滿足高年級(jí)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(shū)也能作為特定主題短期課程的教材或參考書(shū)，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(shū)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(kāi)端，深度學(xué)習(xí)重塑了我們的相關(guān)知識(shí)，并徹底改變了機(jī)器學(xué)習(xí)領(lǐng)域。大體來(lái)說(shuō)，第2版的重點(diǎn)是重寫(xiě)第18章。現(xiàn)在這一章對(duì)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(duì)抗樣本、生成對(duì)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(guó)餐館過(guò)程（CRP）和印度自助餐過(guò)程（IBP）。我相信貝葉斯方法在未來(lái)的幾年里會(huì)越來(lái)越重要。當(dāng)然，誰(shuí)也不能保證這一定會(huì)發(fā)生。然而，我認(rèn)為不確定性將是未來(lái)模型的重要部分，而貝葉斯技術(shù)至少在原則上是一個(gè)合理的入手點(diǎn)。關(guān)于其他章節(jié)，除修正拼寫(xiě)錯(cuò)誤之外，也根據(jù)學(xué)生、同事和評(píng)閱人的建議，改寫(xiě)了一些內(nèi)容以使本書(shū)更易于閱讀。在此深深地感謝他們。
本書(shū)大部分章節(jié)包含MATLAB練習(xí)，相關(guān)代碼可從本書(shū)配套網(wǎng)站自由獲取。此外，在第2版中，所有的計(jì)算機(jī)練習(xí)還以Python編寫(xiě)，并附有相應(yīng)的代碼，這些代碼也可以通過(guò)本書(shū)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(shí)際應(yīng)用的計(jì)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(shū)網(wǎng)站獲得，供教師使用。
�　￡P(guān)于本書(shū)教輔資源，只有使用本書(shū)作為教材的教師才可以申請(qǐng)，需要的教師請(qǐng)?jiān)L問(wèn)愛(ài)思唯爾的教材網(wǎng)站
https://textbooks.elsevier.com/進(jìn)行申請(qǐng)。——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(duì)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(shí)以及當(dāng)前的主流研究課題，雖然它們?cè)?015年是新興且“時(shí)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