本书介绍了机器学习的基本算法、历史发展、应用前景及相关问题。内容包括：机器学习所涉及的必要的数学知识，机器学习的基本模式和任务，神经网络的基本理论及算法结构，分类与聚类学习算法，数据维度归约的基本方法，图理论及方法以及当前比较流行的机器学习理论和算法。本书在加深学生对经典机器学习方法理解的基础上适当扩展其视野，以培养和提高其解决实际问题的能力。
本书可作为高等学校人工智能相关专业的教材，也适合该领域的工程技术人员参考使用。

章绪论
1.1机器学习发展简史与概况
1.2机器学习的研究与应用现状
1.3机器学习的相关问题
1.4机器学习的发展前景
第二章机器学习的数学基础
2.1线性代数与矩阵分析基础
2.1.1线性空间基础
2.1.2范数
2.1.3矩阵运算及其分解
2.2概率与统计基础
2.2.1概率分布
2.2.2数字特征
2.2.3估计理论基础
2.2.4贝叶斯理论基础
2.3优化理论基础
2.3.1无约束最优化
2.3.2带有约束条件的最优化
复习思考题
第三章机器学习基本知识
3.1机器学习的建模问题
3.1.1线性拟合（回归）及建模问题
……