本書是一本全面介紹機器學習方法特別是算法的新書, 適合初學者和有一定基礎(chǔ)的讀者。機器學習可以分成三大類別, 監(jiān)督式學習、非監(jiān)督式學習和強化學習。三大類別背后的算法也各有不同。監(jiān)督式學習使用了數(shù)學分析中函數(shù)逼近方法、概率統(tǒng)計中的極大似然方法。非監(jiān)督式學習使用了聚類和貝葉斯算法。強化學習使用了馬爾可夫決策過程算法。機器學習背后的數(shù)學部分來自概率、統(tǒng)計、數(shù)學分析以及線性代數(shù)等領(lǐng)域。雖然用到的數(shù)學較多, 但是最快捷的辦法還是帶著機器學習的具體問題來掌握背后的數(shù)學原理。因為線性代數(shù)和概率理論使用較多, 本書在最后兩章集中把重要的一些概率論和線性代數(shù)的內(nèi)容加以介紹, 如果有需要的同學可以參考。