本书从统计机器学习和计算智能出发，介绍了实证方法基本原理和概念、实证模糊集与系统、基于实证方法的异常检测、数据分别实证法、自主学习多模型系统以及基于透明深度规则的分类器，并分别给出了相应的应用实例。该方法以数据为驱动，对先验知识、前提假设和专家经验的依赖程度低，具有直观的解释，是一种非参数“经验”机器学习方法。 本书为智能、自主、高效的数据处理开辟了新的视野，可供人工智能从业人员、数据分析师、学界专家学者、企业信息管理人员等学习参考。本书内容对于计算机科学、自动化和电子工程等相关学位的博士，硕士和本科生也很有价值，适用于数据科学和机器学习领域的专业人士学习阅读。