本书系统地介绍机器学习基础模型的算法原理与代码实现，是一本理论与实践并重的图书。本书第1章介绍机器学习的基本概念、发展历程和主要应用等；第2章～第11章介绍监督学习，包括线性回归、感知机、逻辑斯谛回归与Softmax回归、正则化、线性判别分析、k近邻、朴素贝叶斯、决策树、支持向量机、人工神经网络；第12章和第13章，介绍特征工程、模型评估与选择等。 本书的读者对象为人工智能、计算机、大数据、自动化等专业的本科生，以及从事机器学习研究与开发工作的专业人员。本书可作为机器学习的教材或参考书，也可供人工智能相关技术人员参考。