本书系统性地介绍了机器学习的基础知识、主要算法和应用,全面讲解了机器学习的核心概念与技术。全书共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。

本书可作为高等院校计算机类、人工智能、信息安全等相关专业的教材,也可作为感兴趣读者的自学读物,还可作为相关行业技术人员的参考用书。