本书通过14章内容, 详细地介绍了一系列机器学习模型和scikit-learn的使用技巧。本书从机器学习的基础理论讲起, 涵盖了简单线性回归、K-近邻算法、特征提取、多元线性回归、逻辑回归、朴素贝叶斯、非线性分类、决策树回归、随机森林、感知机、支持向量机、人工神经网络、K-均值算法、主成分分析等重要话题。通过阅读本书, 读者将有效提升自己在机器学习模型的构建和评估方面的能力, 并能够高效地解决机器学习难题。