本書將數學理論與實例相結合,這些實例以*先進的通用機器學習框架為基礎,由Python實現,向讀者介紹更復雜的算法。全書共25章,包括機器學習模型基礎、損失函數和正則化、半監督學習導論、高級半監督分類、基於圖的半監督學習、聚類和無監督學習模型、高級聚類和無監督學習模型、面向營銷的聚類和無監督學習模型、廣義線性模型和回歸、時序分析導論、貝葉斯網絡和隱馬爾可夫模型、*大期望算法、成分分析和降維、赫布學習、集成學習基礎、高級提升算法、神經網絡建模、神經網絡優化、深度卷積網絡、循環神經網絡、自編碼器、生成對抗網絡導論、深度置信網絡、強化學習導論和高級策略估計算法。