本書是一本機器學(xué)習(xí)算法方面的理論+實踐讀物，主要包含機器學(xué)習(xí)基礎(chǔ)理論、回歸模型、分類模型、聚類模型、降維模型和深度學(xué)習(xí)模型六大部分。機器學(xué)習(xí)基礎(chǔ)理論部分包含第1、2章，主要介紹機器學(xué)習(xí)的理論基礎(chǔ)和工程實踐基礎(chǔ)。第3章是回歸模型部分，主要包括模型的建立、學(xué)習(xí)策略的確定和優(yōu)化算法的求解過程，最后結(jié)合三種常見的線性回歸模型實現(xiàn)了一個房價預(yù)測的案例。第4至11章詳細介紹了幾種常見的分類模型，包括樸素貝葉斯模型、K近鄰模型、決策樹模型、Logistic回歸模型、支持向量機模型、隨機森林模型、AdaBoost模型和提升樹模型，每一個模型都給出了較為詳細的推導(dǎo)過程和實際應(yīng)用案例。第12章系統(tǒng)介紹了五種常見的聚類模型，包括K-Means聚類、層次聚類、密度聚類、譜聚類和高斯混合聚類，每一個模型的原理、優(yōu)缺點和工程應(yīng)用實踐都給出了較為詳細的說明。第13章系統(tǒng)介紹了四種常用的降維方式，包括奇異值分解、主成分分析、線性判別分析和局部線性嵌入，同樣給出了詳細的理論推導(dǎo)和分析。最后兩章分別是詞向量模型和深度神經(jīng)網(wǎng)絡(luò)模型，其中，詞向量模型詳細介紹了Word2Vec和Doc2Vec模型的原理推導(dǎo)和應(yīng)用；深度神經(jīng)網(wǎng)絡(luò)模型系統(tǒng)介紹了深度學(xué)習(xí)相關(guān)的各類基礎(chǔ)知識。