李学龙、聂飞平、王靖宇《机器学习基础与方法》：系统阐述机器学习的基础理论与前沿方法

作为当代科技革命与产业变革的催化剂，人工智能正深度重构人类社会的生产生活方式与认知边界，成为新质生产力的重要驱动力之一。在人工智能技术谱系中，机器学习方法物理含义明确、可解释强，以其严谨的理论体系与方法论框架，为复杂数据提供了透明化的解释路径，广泛应用于需要可解释性和高可靠性学习任务的诸多场景，在大数据处理、模式识别、计算机视觉等领域具有不可替代的价值。

机器学习

Machine Learning

机器学习致力于通过学习已有数据和以往的经验来获得类似人类的能力，如感知、记忆、推理、决策等，通过经验积累来学习知识和掌握技能。作为人工智能中最具智能特征、最前沿的研究领域之一，受益于大量数据获取的便易性和计算资源的极大丰富，以机器学习为手段解决人工智能中的问题得以快速推广，并已经成为解决现代社会许多具有挑战性问题的不可或缺的技术，广泛应用于社会生产生活实践。机器学习已发展为一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法，在有限数据中进行学习，并获取利用规律对未知数据进行预测或决策的模型。

机器学习基础与方法

李学龙, 聂飞平, 王靖宇著

北京 :科学出版社, 2025. 6

ISBN 978-7-03-080040-4

机器学习理论性强，核心方法和模型往往需要严谨的数学推导，对于尚未深入涉足的读者而言，无疑会形成一定的理论门槛。本书从基于数学基础知识的理论推导出发，介绍经典且常用的机器学习模型和方法，并强调相关方法的物理含义和可解释性，系统梳理从数据预处理到可靠智能信息获取的完整技术链条，以期读者充分掌握机器学习的理论内涵并灵活运用。全书共8章，内容涵盖机器学习的基本概念与核心思想、数学基础、优化方法、数据处理、特征提取与选择、聚类分析、回归与分类等，在深入介绍基础理论的同时，提供了核心方法的实践示例，以便读者更好地掌握和运用相关理论与方法。

本书可作为高等学校计算机、信息、控制、航空航天等相关专业课程的教材，也可作为相关领域科学研究人员、工程技术人员及研究生和本科生的学习参考用书。希望本书能为从事机器学习领域相关科研工作的人员打下坚实基础，并为有经验的研究人员提供新的见解和启发。

本文摘编自《机器学习基础与方法》（李学龙, 聂飞平, 王靖宇著. 北京 :科学出版社, 2025. 6）一书“前言”“第1 章绪论”，有删减修改，标题为编者所加。

ISBN 978-7-03-080040-4

责任编辑：

（本文编辑：刘四旦）