本書分為兩大部分 ： 第一部分主要基于Scikit-Learn， 介紹機器學(xué)習(xí)的基礎(chǔ)算法 ； 第二部分則使用TensorFlow和Keras， 介紹神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)。 此外， 附錄部分的內(nèi)容也非常豐富， 包括課后練習(xí)題解答、機器學(xué)習(xí)項目清單、SVM對偶問題、自動微分和特殊數(shù)據(jù)結(jié)構(gòu)等。 書中內(nèi)容廣博， 覆蓋了機器學(xué)習(xí)的各個領(lǐng)域， 不僅介紹了傳統(tǒng)的機器學(xué)習(xí)模型， 包括支持向量機、決策樹、隨機森林和集成方法， 還提供了使用Scikit-Learn進行機器學(xué)習(xí)的端到端訓(xùn)練示例。 作者尤其對深度神經(jīng)網(wǎng)絡(luò)進行了深入的探討， 包括各種神經(jīng)網(wǎng)絡(luò)架構(gòu)、強化學(xué)習(xí)， 以及如何使用TensorFlow / Keras庫來構(gòu)建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)。