本書介紹了使用機器學習進行個性化預測的通用原理和方法，以及其在推薦系統(tǒng)等具體場景下的應用。第一部分簡要介紹了機器學習的基礎內(nèi)容，主要圍繞回歸和分類展開對基本內(nèi)容、特征設計和評估方法的探討。第二部分詳細介紹了個性化機器學習的基礎知識。首先圍繞推薦系統(tǒng)設置介紹了基于記憶和基于模型的推薦方法等相關知識，并探討了將社交關系和價格等特征納入推薦中的個性化設置；之后，從時序和序列建模的角度介紹了自回歸和馬爾可夫鏈等基本方法，以及基于神經(jīng)網(wǎng)絡的更復雜的個性化技術。第三部分介紹了個性化機器學習的一些新興方向，包括涉及文本和圖像的數(shù)據(jù)生成和檢索等個性化應用，并探討了開發(fā)個性化機器學習存在的過濾氣泡、極端化、偏置和公平性等問題和影響。本書在介紹個性化機器學習的通用技術之余，以豐富的案例研究、代碼展示、習題和實踐項目等方式向讀者呈現(xiàn)出更全面的個性化實現(xiàn)和應用。無論對于尋求更面向應用的機器學習技術的學習者，還是教授機器學習和推薦系統(tǒng)等課程的老師，本書都是理想的學習指南和教材。