模式識(shí)別與機(jī)器學(xué)習(xí)系統(tǒng)介紹了模式識(shí)別與機(jī)器學(xué)習(xí)的基礎(chǔ)理論、模型與算法，同時(shí)兼顧了前沿知識(shí)的適當(dāng)融入。本書(shū)以貝葉斯學(xué)習(xí)的思想貫穿始終，并適時(shí)與其他重要知識(shí)點(diǎn)（如支持向量機(jī)、深度學(xué)習(xí)）等進(jìn)行交叉和關(guān)聯(lián)，便于讀者在形成良好知識(shí)體系的同時(shí)保持對(duì)整個(gè)領(lǐng)域知識(shí)的全面把握。
全書(shū)共14章和4個(gè)附錄，循序漸進(jìn)地對(duì)模式識(shí)別與機(jī)器學(xué)習(xí)領(lǐng)域進(jìn)行剖析。首先介紹貝葉斯學(xué)習(xí)基礎(chǔ)、邏輯回歸、概率圖模型基礎(chǔ)、隱馬爾可夫模型和條件隨機(jī)場(chǎng)，接著介紹支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)、高斯過(guò)程、聚類(lèi)、主成分分析與相關(guān)的譜方法，最后介紹確定性近似推理、隨機(jī)近似推理和強(qiáng)化學(xué)習(xí)。附錄包括傳統(tǒng)的模式識(shí)別與機(jī)器學(xué)習(xí)方法近鄰法和決策樹(shù)，還有向量微積分和隨機(jī)變量的變換等與本學(xué)科方向強(qiáng)相關(guān)的重要知識(shí)點(diǎn)。
本書(shū)內(nèi)容深入淺出，生動(dòng)有趣，力求反映這一領(lǐng)域的核心知識(shí)體系和新的發(fā)展趨勢(shì)。每章內(nèi)容都盡可能做到豐富完整，并附有思考與計(jì)算題，便于讀者對(duì)知識(shí)的鞏固和融會(huì)貫通。
本書(shū)適合作為本科生和研究生（碩/博）課程的教材，也可作為希望從事人工智能相關(guān)工作的科技工作者的自學(xué)參考書(shū)。