本书共12章: 第1章介绍机器学习的基本概念和理论, 并介绍用于机器学习的R软件环境的准备; 第2章介绍如何应用R来管理数据, 进行数据的探索分析和数据可视化; 第3-9章介绍典型的机器学习算法, 包括k近邻分类算法、朴素贝叶斯算法、决策树和规则树、回归预测、黑盒算法--神经网络和支持向量机、关联分析、k均值聚类, 并给出大量的实际案例和详细的分析步骤, 例如乳腺癌的判断、垃圾短信的过滤、贷款违约的预测、毒蘑菇的判别、医疗费用的预测、建筑用混凝土强度的预测、光学字符的识别、超市购物篮关联分析以及市场细分等; 第10章介绍模型性能评价的原理和方法; 第11章给出提高模型性能的几种常用方法; 第12章讨论用R进行机器学习时可能遇到的一些高级主题, 如特殊形式的数据、大数据集的处理、并行计算和GPU计算等技术。