模式识别是指对表征事物或现象的各种形式的信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程；机器学习是指机器通过统计学算法，对大量历史数据进行学习，进而利用生成的经验模型指导业务的过程。本书介绍模式识别和机器学习技术的主要方面，包括贝叶斯统计决策、概率密度函数的估计、线性分类与回归模型、其他分类方法、无监督学习和聚类、核方法和支持向量机、神经网络和深度学习、特征选择与提取等。本书既重视基础理论和经典方法的介绍，又兼顾前沿知识和模型的融入，力图反映该领域的核心知识体系和新发展趋势；每章的内容尽可能做到丰富完整，并附有习题或上机实践题，便于读者巩固所学的知识。本书可作为计算机科学领域机器学习和模式识别专业方向高年级本科生和研究生的教材，也可供相关技术人员参考。