书籍介绍

《模式识别(第3版)》是清华大学自动化系国家精品课程“模式识别基础”的教材，是在《模式识别》第一版和第二版基础上重写而成的。本教材系统地讨论了模式识别的基本概念和代表性方法，包括监督模式识别中的贝叶斯决策理论、概率密度函数的估计、线性判别函数、非线性判别函数、近邻法、特征选择与提取的典型方法以及非监督模式识别中的基于模型的方法、混合密度估计、动态聚类方法、分级聚类方法等，并在相应章节包括了人工神经网络、支持向量机、决策树与随机森林、罗杰斯特回归、B00sting方法、模糊模式识别等较新进入模式识别领域的内容。整体内容安排力求系统性和实用性，并覆盖部分当前研究前沿。

《模式识别(第3版)》可以作为高等院校自动化、计算机等相关专业高年级本科生和研究生学习模式识别的教材，也可以供计算机信息处理、生物信息学、数据挖掘、统计等各领域中从事模式识别相关工作的广大科技人员和高校师生参考。

张学工

1994年于清华大学模式识别与智能系统专业获工学博士学位，现任清华大学自动化系教授。主要从事机器学习的理论、方法与应用研究和生物信息学研究。

精彩摘录

"nearby points in the high dimensional space remain nearby and similarly co-located with respect to one another in the low dimensional space"

作者简介

张学工 1994年于清华大学模式识别与智能系统专业获工学博士学位，现任清华大学自动化系教授。主要从事机器学习的理论、方法与应用研究和生物信息学研究。

第1章概论

1.1 模式与模式识别

1.2 模式识别的主要方法

1.3 监督模式识别与非监督模式识别

1.4 模式识别系统举例

显示全部

用户评论

好教材。需要数理统计，最优化的基础，最好先学一门《机器学习》，再看这本书时，就会流畅许多。我对非监督学习的内容接触的少，所以本书最后50页，看得慢了许多。1.面面俱到，该讲的都讲了，提纲挈领不废话。2.有实例介绍，多为作者自己的研究案例，讲得明白。 3.作者讲出了作者自己对模式识别的思考和想法，不是抄来抄去的拼凑。4.作者是中国人，语言通顺，比翻译版课本易读。

一本尚可的机器学习入门书

部分章节讲得比《模式分类》还更清楚，便宜实惠，性价比高

还不错的，比较全面。清华自动化系很强！

其实也算是比较好的国内教材了，但后来发现基本就是pc的翻译，不如直接看pc。

第一遍看需要自己额外补充很多，整理的话按照具体算法整理会更清晰，比如对于svm自己整理出hard svm, soft margin svm, kernel svm，这样能更好的看出来这个算法怎么改进的。以及有些主流内容有缺失，比如GMM这里缺了EM的介绍，需要搭配别的书一起看。个人觉得总体不适合新手入门，基本没有例子，推导也不详尽，会的看了还是会，不会的看了还是不会。

应付考试而已

读完最后一门五星求过🙏🏼

《统计学习方法》精简版，介绍了不少机器学习算法，作为机器学习入门可以。不过本书比较老（比统计学习方法和西瓜书都要早出版），而且书上没有代码，而且要深入研究模式识别还得读PRML。

生动具体不错

你可能会关注的书籍