本书是新一代人工智能实践系列教材之一，共分为9章，第1章为引论，第2-7章介绍有监督学习算法，包括感知机、Logistics回归、支持向量机、神经网络决策树以及贝叶斯模型。第8章介绍无监督学习算法，第9章讨论数据的表示和特征降维。
本书可作为人工智能专业、智能科学与技术专业以及计算机类相关专业的本科生及研究生学习机器学习技术的教材，同时也可作为对人工智能、机器学习技术感兴趣的科技人员、计算机爱好者及各类自学人员的参考书。

第1章 引论
1.1机器学习的定义
1.2机器学习算法的分类
1.3机器学习的发展历史
1.3.1神经网络与深度学习
1.3.2决策树算法系列
1.3.3无监督学习
1.4评价指标
1.4.1分类算法的评价指标
1.4.2聚类算法的评价指标
1.5机器学习技术的应用
1.5.1分类技术的应用
1.5.2回归技术的应用
1.5.3聚类算法的应用
参考文献
第2章 感知机
2.1感知机的发展历史
2.2感知机模型



\t2.3感知机学习



\t......