本书通过对大量实际案例的分析以及部分相关理论的适当解读, 帮助读者使用Python语言进行程序设计, 同时能够利用Python实现基础的机器学习算法。全书包含三大部分: 机器学习概念和编程基础、数据预处理基础、机器学习方法及案例, 每一部分都结合大量实际例程进行解读。本书共13章, 具体内容包括机器学习概述、Python机器学习基础库、数据预处理、K近邻算法、朴素贝叶斯、决策树、随机森林、AdaBoost模型、支持向量机、人工神经网络、K均值聚类、财政收入影响因素分析及预测案例、偷税漏税行为识别分析案例。