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）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。
本书特色
在本书编写过程中，作者始终坚持以“理论与实践并重、经典与现代融合、广度与深度兼顾、启发式教学”为核心理念，力求打造一本兼具实用性与前瞻性的机器学习教材。具体而言，本书具有以下五大特色。
1. 语言通俗易懂，易于入门
对于初学者而言，复杂的数学公式和术语往往造成学习障碍。因此，本书在编写过程中特别注重语言的简洁性和易懂性，以主人公石榴同学学习机器学习的故事为主线，力求用平实的语言阐述复杂的机器学习概念。同时，各章节之间相对独立，读者可以根据自身的学习进度和兴趣选择性地阅读，降低了学习门槛，提高了学习效率。
2. 注重思想解析，深化理解
在介绍机器学习算法和模型时，本书不仅关注数学公式的推导和计算过程的展示，更注重对算法背后思想和直觉的解析。只有深入理解算法的本质和原理，才能真正掌握其精髓，并灵活运用到实际问题中。因此，每个章节都努力挖掘算法背后的思想脉络，帮助读者建立清晰的知识框架和思维方式。更进一步，为了帮助读者深入理解算法的数学本质，在部分章节末尾提供了与该章节相关的数学基础知识，并进行了系统而通俗易懂的讲解。
3. 数学概念适度，强调应用
虽然机器学习离不开数学的支持，但本书并不一味罗列数学公式和定理。相反，根据实际应用的需要，适度引入必要的数学概念和工具，并注重通过实例和案例展示这些数学工具在机器学习中的应用。这样既能满足读者对理论知识的需求，又能增强其实践能力和创新思维。
4. 融合前沿技术，拓展应用场景
本书不仅系统介绍机器学习的基础知识，还紧密结合当前技术发展趋势，通过“大语言模型赋能机器学习综合案例”一章，展示如何借助大语言模型提升传统机器学习建模的效率。该章以Kaggle公开数据集Student Alcohol Consumption为研究对象，围绕石榴同学的实战过程，借助大语言模型完成分类与回归两大核心任务，融合前沿大模型理论与工具，帮助读者掌握利用大模型辅助机器学习建模的核心方法与流程。
5. 配套资源丰富，实战性强
为了让读者更好地理解和掌握机器学习技术，本书配套了丰富的资源，包括教学大纲、教学课件、电子教案、程序源码、微课视频和在线题库。所有实例均附有详细的代码实现，读者可以直接在本地环境中运行这些代码，通过实践加深对理论知识的理解。此外，本书还提供了数据集、实验环境配置指南等辅助材料，确保读者能够顺利地开展学习和研究工作。
资源下载提示
课件等资源： 扫描封底的“图书资源”二维码，在公众号“书圈”下载。
素材（源码）等资源： 扫描目录上方的二维码下载。
在线自测题： 扫描封底的作业系统二维码，再扫描各章章首的自测题二维码，可以在线做题及查看答案。
微课视频： 扫描封底的文泉云盘防盗码，再扫描书中相应章节的视频讲解二维码，可以在线学习。
本书在编写过程中借鉴了国内外相关著作与教材的优秀成果，在此表示感谢。全书由李石峰老师编著，程妍老师参与部分章节的编写。感谢程妍、邢星、田野和韩丽艳等老师给予的支持与协助。特别感谢清华大学出版社魏江江分社长和王冰飞等编辑在出版过程中给予的大力支持与专业指导。正是他们的辛勤付出与无私奉献，使得本书得以顺利出版。同时，限于作者水平，书中难免存在疏漏或不当之处，恳请广大读者不吝批评指正，以便我们不断改进与完善。
编者2026年6月
