《机器学习》展示了机器学习中核心的算法和理论，并阐明了算法的运行过程。《机器学习》综合了许多的研究成果，例如统计学、人工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制论等，并以此来理解问题的背景、算法和其中的隐含假定。《机器学习》可作为计算机专业 本科生、研究生教材，也可作为相关领域研究人员、教师的参考书。

译者序

前言

第1章 引言

第2章 概念学习和一般到特殊序

第3章 决策树学习

第4章 人工神经网络

第5章 评估假设

第6章 贝叶斯学习

第7章 计算学习理论

第8章 基于实例的学习

第9章 遗传算法

第10章 学习规则集合

第11章 分析学习

第12章 归纳和分析学习的结合

第13章 增强学习

附录 符号约定