本书较为全面地介绍了机器学习的核心算法和理论。全书共10个模块，包括机器学习入门基础、机器学习数学基础、回归算法、朴素贝叶斯分类算法、决策树分类算法、逻辑回归、支持向量机、聚类、集成学习之随机森林算法与Ada Boost算法等，各模块均配有技能实训和拓展实训，可帮助读者强化所学内容。
本书可作为高等职业教育电子信息相关专业机器学习、数据分析、数据挖掘等课程的教材，也可作为程序员、数据分析师、数据科学家等相关人员解决实际问题的工具书，还可作为机器学习初学者的入门参考书和工程技术人员的参考资料。

模块1机器学习入门基础
1.1机器学习的概念
1.2机器学习的原理
1.3机器学习的分类
1.4机器学习的实施流程
1.4.1数据收集
1.4.2数据清洗
1.4.3特征提取与选择
1.4.4模型训练
1.4.5模型评估测试
1.4.6模型部署应用
1.5机器学习的应用领域
1.6机器学习的开发工具
l.6.1一站式开发环境Anaconda
1.6.2集成开发环境PyCharm
实训一安装一站式开发环境Anaconda
实训二安装集成开发环境PyCharm
模块2机器学习数学基础
2.1线性代数
……