机器学习作为人工智能领域的核心支撑技术，已成为现代智能系统开发的重要方法论。本教材构建"基础理论-数学模型-工程实现"三位一体的教学体系，着力培养读者系统性解决实际问题的能力。全书采用模块化知识架构，共分三大部分11个教学单元：基础理论篇（第1-3章）系统阐释机器学习的基础范式，涵盖学科发展脉络、基本术语体系、模型评估方法论以及数据预处理关键技术，为后续学习奠定理论基础。经典方法篇（第4-10章）深入解析七大核心算法体系：从线性回归、决策树等监督学习经典模型，到支持向量机、贝叶斯分类器等概率推断方法，延伸至聚类分析、维度压缩等无监督技术，并详解集成学习框架的构建原理。各章均配备公式推导图解、Python实现案例及典型应用场景分析。进阶应用篇（第11章）聚焦工业级特征工程，系统讲解特征构造、选择与优化的工程化方法，培养读者处理高维复杂数据的实战能力。教材编写突出以下特色：采用生活化案例导入理论模型，通过数学推导揭示算法本质，配合可复现的编程实例强化工程实践。每章设置课后习题和延伸阅读指南，重要公式均辅以推导注释，关键算法提供完整代码框架。通过"原理-推导-实现"的递进式教学设计，帮助读者构建完整的知识图谱。 本教材适用于计算机科学、智能科学与技术等相关专业的本科及研究生教学，亦可作为人工智能工程师的参考用书。配套提供教学课件、实验指导手册及扩展数据集，满足不同层次学习者的需求。

李石峰，工学博士，中共党员，CCF会员，信息科学与技术学院副教授，硕士生导师（高级工程师）。2008年在东北大学计算机软件与理论获得硕士学位，2012年获得大连理工大学获得信号与处理专业博士学位，2012.6-2020.5就职于中国人民银行，高级工程师。研究生期间，参与东软数字医疗软件开发项目3项；博士期间，参与国际合作项目1项，完成华为公司合作项目1项，参与省部级、国家自然基金3项，主持项目1项。工作期间，先后参与国家级项目2项，主持省级横向项目5项，主持国家自然基金项目1项，主持和参与省部级纵向项目5项。发表SCI，EI等论文40余篇，参与专著编辑1部，获得国家级称号1项，国家级三等奖1项，省部级二等奖3项，省部级三等奖1项。更多内容可以访问：https://www.yuque.com/limax2008/kp2put/wsx7d2b1lv6ikk1s?singleDoc。

前言 在当今这个日新月异的时代，技术的每一次飞跃都深刻地改变着整个世界。其中，机器学习作为人工智能领域的一颗璀璨明珠，正以前所未有的速度引领着科技的进步与变革。它不仅重塑了人类对数据处理、模式识别及决策制定的理解，更在医疗健康、金融分析、自动驾驶、智能制造、自然语言处理等众多领域展现出了巨大的应用潜力和价值。 因此，撰写一本全面而深入的机器学习教材，不仅是对当前技术潮流的积极响应，更是对未来人才培养和社会发展的深远布局。本书旨在为读者提供一条清晰、系统的学习路径，从机器学习的基础理论出发，逐步深入到算法原理、模型构建、实践应用及前沿探索等多个层面。本书力求做到内容全面、结构严谨、实例丰富、讲解透彻，既可作为高等院校计算机科学与技术、人工智能、数据科学等相关专业的教材，也可作为科研工作者、工程技术人员及广大机器学习爱好者的参考书。 本书内容 本书构建“基础理论—数学模型—工程实现”三位一体的教学体系，着力培养读者系统解决实际问题的能力。全书采用模块化知识架构，共分三大部分12章： 基础理论部分（第1~3章）系统阐释机器学习的基础范式，涵盖学科发展脉络、基本术语体系、模型评估方法论及数据预处理关键技术，为后续学习奠定理论基础； 经典方法部分（第4~10章）深入解析七大核心算法体系： 从线性回归、决策树等监督学习经典模型，到支持向量机、贝叶斯分类器等概率推断方法，延伸至聚类分析、维度压缩等无监督技术，并详细讲解集成学习框架的构建原理，各章均配备公式推导图解、Python实现案例及典型应用场景分析； 进阶应用部分（第11章和第12章...