本书以Python为开发语言，采用理论与实践相结合的形式，系统全面地介绍了机器学习涉及的核心知识。本书共6章，其中第1章介绍机器学习的基础知识，包括机器学习的概念、分类、研究范围、开发环境等，介绍第一个机器学习案例； 第2、3章介绍机器学习的主要方法： 监督学习与无监督学习，涉及目前机器学习最为流行的经典算法和模型，如KNN、朴素贝叶斯、决策树、线性回归、逻辑回归、SVM、神经网络、PCA降维、KMeans，每个算法模型都配有代码及可视化演示，让读者能更直观形象地理解机器学习； 第4章介绍机器学习非常重要的数据处理方法： 特征工程，特征工程能进一步提高机器学习算法的性能； 第5章介绍机器学习模型的评估与优化，通过评估判断模型优劣，评估后利用优化方法使其达到生产需求； 第6章介绍机器学习的应用案例，让读者更直观地感受机器学习在生产生活中的实际用途。 本书附有配套教学课件、源代码、习题，供读者实践，旨在通过边学边练的方式，巩固所学知识，提升开发能力。 本书可作为高等学校计算机相关专业的教材，也可作为机器学习工程技术人员的参考用书。