《机器学习技法笔记》是一本系统、全面、深入的机器学习参考书，涵盖了机器学习的各个方面，包括监督学习、无监督学习、半监督学习、强化学习等。本书以算法为主线，讲解了机器学习中的常见算法及其优化方法，同时也介绍了一些高级的研究方向。
本书适合广大机器学习爱好者、研究者和从业者阅读，也是一本不可多得的机器学习参考书。
本书分为四个部分，分别是基础篇、经典篇、前沿篇和应用篇。
基础篇主要介绍了机器学习的基本概念、模型评估和选择、线性模型、决策树、神经网络等基础知识。
经典篇介绍了一些经典的机器学习算法，包括支持向量机、朴素贝叶斯、集成学习等。
前沿篇介绍了一些比较新的机器学习算法和研究方向，包括深度学习、表示学习、迁移学习等。
应用篇介绍了机器学习在一些具体领域中的应用，例如自然语言处理、计算机视觉、推荐系统等。
周志华，中国科学院计算技术研究所研究员，清华大学计算机科学与技术系教授。主要从事机器学习、数据挖掘、模式识别等方向的研究。曾获得ACM SIGKDD Innovation Award、陈嘉庚人工智能科学技术奖、吴文俊人工智能科学技术奖等多项荣誉。他还是国际著名学术期刊IEEE Transactions on Pattern Analysis and Machine Intelligence的编委。
版权声明：
内容均收集于互联网,有侵权或不妥之处,请联系我们删除。敬请谅解！
