本書第1章是關(guān)于數(shù)據(jù)及初等的描述，這是初識(shí)真實(shí)數(shù)據(jù)所必需的。第2章介紹概率論的基本知識(shí), 這是描述隨機(jī)世界的數(shù)學(xué)工具, 對(duì)這部分熟悉的讀者可以僅僅作為參考。第3章介紹了傳統(tǒng)統(tǒng)計(jì)的基本思維方式, 這部分雖然和后續(xù)內(nèi)容關(guān)系不大, 但由于是歷史, 應(yīng)該保留, 但可以僅作為參考或討論。第4章介紹有監(jiān)督機(jī)器學(xué)習(xí)基礎(chǔ), 包括建模、模型解釋、模型預(yù)測(cè)、基于交叉驗(yàn)證的模型比較等內(nèi)容, 系統(tǒng)深入地介紹回歸及分類方法的概念及方法。作為監(jiān)督學(xué)習(xí)載體的具體模型, 不但介紹了傳統(tǒng)統(tǒng)計(jì)中最常用的最小二乘線性回歸, 還從基本原理到編程全方位介紹了作為機(jī)器學(xué)習(xí)中最重要的基本學(xué)習(xí)器之一的決策樹(shù), 為后面要引進(jìn)的更精確的組合方法奠定了基礎(chǔ).。第5章介紹了組合方法及若干重要的組合方法模型: bagging、隨機(jī)森林、梯度增強(qiáng)法和 AdaBoost。 第6章詳細(xì)地介紹了人工神經(jīng)網(wǎng)絡(luò)的基本概念, 人工神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)的基礎(chǔ), 理解神經(jīng)網(wǎng)絡(luò)對(duì)今后學(xué)習(xí)深度學(xué)習(xí)有很大的益處。