机器学习是一门多领域交叉学科，涵盖概率论知识、统计学知识、近似理论知识和复杂算法知识，使用计算机作为工具，致力于真实实时地模拟人类学习方式，并将现有内容进行知识结构划分来有效提高机器学习效率。本书共分为七章：第一章，机器学习概述，介绍了机器学习的特点、分类以及应用；第二章，线性回归，包括线性回归模型的建立、学习策略的确定和优化算法的求解过程；第三章，朴素贝叶斯，介绍了朴素贝叶斯这种常见分类模型，给出了较为详细的推导过程；第四章，聚类分析，介绍了聚类分析模型的原理、优缺点等；第五章，支持向量机，介绍了支持向量机模型，并对该模型进行了较为详细的推导；第六章，决策树，阐述了决策树模型的推导过程及优缺点分析；第七章，深度神经网络，介绍了深度学习相关的各类基础知识。