本書涵蓋了一系列有監(jiān)督的機器學習方法，包括基礎方法(k-NN、決策樹、線性和邏輯回歸等)和高級方法(深度神經(jīng)網(wǎng)絡、支持向量機、高斯過程、隨機森林和提升等)，以及常用的無監(jiān)督方法(生成模型、k-均值聚類、自動編碼器、主成分分析和生成對抗網(wǎng)絡等)。所有方法都包含詳細的解釋和偽代碼。通過在方法之間建立聯(lián)系，討論一般概念(例如損失函數(shù)、最大似然、偏差-方差分解、核和貝葉斯方法)，同時介紹常規(guī)的實用工具(例如正則化、交叉驗證、評估指標和優(yōu)化方法)，本書始終將關注點放在基礎知識上。最后兩章為解決現(xiàn)實世界中有監(jiān)督的機器學習問題和現(xiàn)代機器學習的倫理問題提供了實用建議。