本书共15章，主要内容包括机器学习概述、K近邻算法、模型评估与选择、朴素贝叶斯、线性回归及其改进、逻辑回归、神经网络、支持向量机、决策树、集成学习、特征选择与提取、K均值聚类、高斯混合模型、谱聚类和综合评价方法等。本书理论与实践相结合，对重要知识点提供案例分析。通过学习本书，读者将能够理解并运用各种机器学习算法，熟练掌握机器学习的基础理论与应用技能，为解决实际问题打下坚实的基础。