本书可作为从事机器学习和数据挖掘研究科研人员的参考书，也可以作为人工智能、数据科学与技术、 应用数学、计算机科学与技术等专业高年级本科生和研究生机器学习和数据挖掘课程的教学参考书．

随着数据存储技术、网络技术和云计算技术的快速发展, 数据正以靠前的速度在不断地增长和积累。在各种实际应用中, 需要处理的数据量越来越大。 而样例选择就是从包括冗余或噪声的海量数据中选择重要数据的技术, 是机器学习的重要数据预处理步骤, 对后续学习算法的训练及性能有很大的影响. 在机器学习中, 样例选择有两种场景：一是主动学习场景, 二是监督学习场景. 本书结合作者及研究团队近年来关于样例选择的研究成果, 系统介绍了两种场景下样例选择的理论和方法以及两种场景下样例选择之间的区别与联系。另外，本书内容涵还盖了样例选择的近期新研究进展。

第1章 机器学习基础
第2章 主动学习中的样例选择
第3章 监督学习中的样例选择
第4章 大数据样例选择
第5章 模糊样例选择