本书从机器学习的基本原理入手，以常见模型为驱动，配以精心设计的实践案例，为大家呈现了机器学习理论知识和应用方法。书中运用Python语言及scikit-learn库实现了几大常见机器学习模型的训练程序和预测程序，让读者能够理论联系实际，在学习、工作中应用机器学习。 本书适合打算入门机器学习的人阅读。

第一部分 绪论
第1章 为什么要学原理和公式推导
1.1 学模型就要学公式推导吗
1.2 学习原理的必要性
第2章 学习机器学习原理，改变看待世界的方式
2.1 破除迷信
2.2 追本溯源
2.3 精进看待世界的方法
第3章 如何学习机器学习
3.1 以模型为驱动，了解机器学习的本质
3.2 反复学习，从记忆到掌握
3.3 数学需要多精深
3.4 基本的数学概念
3.5 学机器学习，编程是必须的吗
3.6 日常学习小提示
第二部分 基本原理
第4章 机器是如何学习的
4.1 机器学习的基本原理
4.2 有监督学习与无监督学习
4.2.1 有监督学习
4.2.2 无监督学习
4.3 机器学习的三要素：数据、模型和算法
4.3.1 数据
4.3.2 模型
4.3.3 算法
第5章 模型的获取和改进
5.1 获取模型的过程
5.2 训练集、验证集和测试集
5.3 训练的过程
第6章 模型的质量和评价指标
6.1 分类模型评价指标：精确率、召回率和F1分数
6.2 指标对应的是模型和数据集
6.3 模型的偏差和过拟合
第7章 最常用的优化算法——梯度下降法
7.1 学习目标
7.2 凸函数
7.3 梯度下降法
……
第三部分 有监督学习（基础）
第四部分 有监督学习（进阶）
第五部分 无监督学习
第六部分 机器学习应用
第七部分 从机器学习到深度学习