本书采用理论与实战相结合的形式，通过生活中的例子来讲解理论知识，结合实际案例代码，帮助读者在掌握机器学习理论的同时，打下项目实践的基础，同时配有丰富的教学资源，帮助读者自学或开展教学工作。 本书共13章，涵盖机器学习入门所需的数学知识及相关算法，包括K近邻算法、决策树、朴素贝叶斯、逻辑回归与梯度下降、支持向量机、AdaBoost算法、线性回归、Kmeans算法、Apriori算法、FPgrowth算法、主成分分析和奇异值分解。本书将理论与实际操作相结合，通过丰富的程序实例和详尽的步骤讲解，与读者一起跳出枯燥的理论知识，快乐学习。 本书适合刚进入机器学习领域的读者，也可以作为大专院校相关专业的教材。