模式识别和机器学习是人工智能应用的基础。本书将模式识别任务按照监督学习和无监督学习两种方式进行组织。第1章讨论模式识别和机器学习的内在关系，介绍了两者的基础知识和模式识别的设计过程。第2章和第3章介绍了zui优化的和常规的基于实例的分类问题。第4~6章检验了参数的、非参数的和函数逼近的分类规则。之后在第7章和第8章就分类的误差估计和模型选择对分类模型的性能进行讨论。第9章介绍了能够提高分类模型的性能并减少存储空间的降维技术。第10章和第11章分别介绍了聚类分析技术和回归模型。本书适合相关专业高年级本科生和研究生，以及该领域的从业人员阅读。
WU
计算机/人工智能/模式识别和机器学习
内容非常独特，我喜欢本书中将理论与应用和Python脚本穿插在一起的方式。在其他书中很少能看到以如此完整的方式涵盖机器学习的全部内容。
—— Alfred Hero，密西根大学教授
我很欣赏本书对知识点的选取和组织。此外，书中有关数学的内容也写得很清楚，相信读者会从中受益匪浅。
—— Gábor Lugosi，庞培法布拉大学教授
本书特色：
不是对模式识别和机器学习进行百科全书式的介绍，而是精选了核心内容，使读者在学习本书后能够精通核心知识点。
在理论与实践之间取得平衡，广泛使用Python脚本、真实的生物信息学数据集和材料信息学数据集来说明理论要点。
书中的所有插图都是使用Python脚本生成的，读者可以在编程作业中使用这些代码。
提供大量的章末练习和基于Python的计算机项目，帮助读者积累实践经验。
[美]乌利塞斯·布拉加-内托(Ulisses Braga-Neto) 著：---作者简介---
乌利塞斯·布拉加-内托(Ulisses Braga-Neto) 得克萨斯农工大学电气与计算机工程系教授。他的主要研究领域是模式识别、机器学习、统计信号处理及其在生物信息学和材料信息学中的应用。他在模式识别和机器学习的误差估计领域进行了广泛的研究，曾获得NSF CAREER奖。他还为信号和图像处理中的数学形态学领域做出了贡献。他拥有约翰斯·霍普金斯大学博士学位。
