本书系统地介绍了模式识别与机器学习的基本概念和代表性方法，既包括贝叶斯决策理论、概率密度函数估计、贝叶斯网络与隐马尔可夫模型、线性判别函数、非线性判别函数、人工神经网络、支持向量机与统计学习理论、近邻法、决策树与随机森林、集成学习、特征选择提取与特征工程、非监督学习等各种经典方法与理论，也包括卷积神经网络、循环神经网络与LSTM、深度信念网络、深度自编码器、限制性玻尔兹曼机、生成对抗网络等代表性的深度学习方法，还包括了对常用机器学习软件平台的介绍。