机器学习是计算机科学与人工智能的重要分支领域. 《机器学习》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。

《机器学习》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, 《机器学习》附录给出了一些相关数学基础知识简介。

《机器学习》PDF，周志华著，443页，带书签目录，文字可以复制。配套《机器学习》笔记；配套《机器学习》课件；配套《机器学习》习题部分解答及代码。

《机器学习》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章之外的后续各章均相对独立, 读者可根据自己的兴趣和时间情况选择使用. 根据课时情况, 一个学期的本科生课程可考虑讲授前9章或前10章; 研究生课程则不妨使用全书.

PDF下载：https://pan.baidu.com/s/14FNVhrwDSjwH1BxS44eZvw

提取码：4xy2

课件下载：https://pan.baidu.com/s/1QfPrxrRT4rH8yRtZqkifTA

提取码：11jq

习题部分解答+数据代码：https://pan.baidu.com/s/1D_wq91IiSjXtaRez8WRn1w

提取码：org5

求赞求支持