本书主要介绍机器学习经典算法的原理、实现及应用，并通过综合案例讲解如何将实际问题转换为机器学习算法进行求解。
全书共16章，主要内容包括机器学习概述、机器学习基础及Python常用库、朴素贝叶斯分类器、k近邻算法与非参数估计、聚类、回归分析、决策树、支持向量机、降维分析、人工神经网络、深度学习入门、推荐算法、基于协同过滤的推荐系统、零售商品销售额分析与预测、手写数字识别和基于深度学习的中文邮件分类。本书算法首先给出数学原理及公式推导过程，然后分别给出算法的原始实现和通过调用机器学习库实现两种实现方式，所有算法及案例均以Python实现，以方便读者在实践编程中理解机器学习的经典算法。本书在讲解知识点的过程中，以润物细无声的方式融入思政元素。
本书可作为高等院校计算机、软件工程、大数据、人工智能等相关专业的教材，也可作为Python机器学习初学者的参考用书，同时适用于机器学习开发人员和研究人员进行查阅和使用。

第1章机器学习概述
1.1什么是机器学习
1.2机器学习简史
1.2.1萌芽期
1.2.2发展期
1.2.3蓬勃期
1.3机器学习、人工智能、深度学习的关系
1.4机器学习的相关概念
1.5机器学习的任务門
1.5.1监督学习
1.5.2无监督学习
1.5.3半监督学习
1.5.4强化学习
1.6机器学习的一般步骤
1.7本章小结
1.8习题
第2章机器学习基础及Python常用库
2.1机器学习的Python基础与开发环境
2.1.1Python开发环境简介
2.1.2Python的基本语法
2.1.3Python列表、元组、字典、集合
2.1.4函数与类
……