機器學習導論（原書第2版）

本書是一本淺顯易懂的機器學習入門教材，它以理論與實際相結合的方式全面地涵蓋了主流的機器學習理論與技術。

全書共17章，介紹了貝葉斯分類器、近鄰分類器、線性與多項式分類器、人工神經網絡、決策樹、基於規則集的分類器、遺傳算法等經典的機器學習方法，對計算學習理論、性能評估、統計顯著性等進行了討論。

講解了集成學習、多標籤學習、無監督學習和強化學習等重要的機器學習領域。

本書還通過大量的應用實例，闡述了機器學習技術的許多應用技巧。

每章結尾對相關機器學習工作都進行了歷史簡評，並附有練習、思考題和上機實驗。