本書結合大量實例詳細介紹機器學習的相關算法原理并利用Python語言進行實踐，內容涵蓋機器學習的完整知識體系和深度學習的基礎知識，如多層感知器和卷積神經(jīng)網(wǎng)絡等。本書除了項目實戰(zhàn)外的各章均提供大量習題并給出參考答案和解題代碼。通過閱讀本書，讀者可以較為全面、系統(tǒng)地掌握機器學習和深度學習的相關知識。本書共18章，分為3篇。第1篇機器學習基礎知識，主要介紹機器學習的基本概念、機器學習的基本流程與模型、搭建機器學習環(huán)境并進行應用實踐、基于Azure的機器學習云平臺搭建等相關知識；第2篇機器學習核心技術，主要介紹模型訓練的數(shù)學原理、多樣性特征解析、數(shù)據(jù)標準化與特征篩選、貝葉斯分類器、廣義線性模型、支持向量機、決策樹、人工神經(jīng)網(wǎng)絡、集成學習、模型的正則化、模型的評價與選擇、無監(jiān)督學習(如K-Means聚類、GMM聚類、譜聚類、密度聚類等)；第3篇機器學習項目實戰(zhàn)，采用行人檢測和廚余垃圾處理的指標預測兩個典型案例，帶領讀者進行項目實戰(zhàn)，提高讀者的實際開發(fā)水平。