本书涉及近期机器学习领域内的*新进展，通过对常用数据集的转换和工具库的使用，帮助构建实用的机器学习系统。内容包括如何在原始数据中准确发掘出模式。先从回顾Python机器学习的知识开始，接着了解相关的工具库。可以快速掌握数据集上真实的项目，掌握建模方法，创建推荐系统。 全书共14章。第1章介绍机器学习和Python基础知识；第2章使用真实数据进行分类研究；第3章解释如何使用回归算法处理数据；第4章介绍如何使用logistic回归来确定某个问题的用户答案好不好；第5章介绍数据降维技术；第6章介绍聚类，并使用它来查找给定文本的类似新闻报道；第7章介绍如何建立基于客户产品评级的推荐系统；第8章介绍神经网络和深度学习相关的基本原理，以及使用TensorFlow进行CNN和RNN的示例；第9章解释朴素贝叶斯的工作原理，以及如何用它对tweet进行分类；第10章介绍主题建模；第11章和第12章分别讲解如何对音乐和图像进行分类；第13章探索强化学习方法；第14章介绍如何利用云技术来构建更复杂的模型。