本书围绕机器学习展开，系统介绍相关知识与应用。第1章概述机器学习的发展、涉及的数据及任务。第2章讲解Python机器学习基础，包括其作为首选工具的优势、集成开发环境、第三方包引用及NumPy等应用实例。第3至9章介绍多种数据预测建模方法，有线性与非线性预测模型、贝叶斯分类器、近邻分析、决策树、集成学习、人工神经网络、支持向量机等。第10、11章阐述特征选择的过滤、包裹、嵌入策略及特征提取的空间变换策略。第12章讲解聚类分析及其应用。整体内容全面，帮助读者掌握机器学习关键知识与技能。