本書涉及近期機器學習領域內的最新進展，通過對常用數據集的轉換和工具庫的使用，幫助構建實用的機器學習系統。內容包括如何在原始數據中準確發掘出模式。先從回顧Python機器學習的知識開始，接著了解相關的工具庫?？梢钥焖僬莆諗祿险鎸嵉捻椖?，掌握建模方法，創建推薦系統。全書共14章。第1章介紹機器學習和Python基礎知識；第2章使用真實數據進行分類研究；第3章解釋如何使用回歸算法處理數據；第4章介紹如何使用logistic回歸來確定某個問題的用戶答案好不好；第5章介紹數據降維技術；第6章介紹聚類，并使用它來查找給定文本的類似新聞報道；第7章介紹如何建立基于客戶產品評級的推薦系統；第8章介紹神經網絡和深度學習相關的基本原理，以及使用TensorFlow進行CNN和RNN的示例；第9章解釋樸素貝葉斯的工作原理，以及如何用它對tweet進行分類；第10章介紹主題建模；第11章和第12章分別講解如何對音樂和圖像進行分類；第13章探索強化學習方法；第14章介紹如何利用云技術來構建更復雜的模型。