本书介绍了机器学习的基础理论、模型与经典方法，并适当融入了深度学习的前沿知识。全书共9章，主要内容包括：机器学习概述、回归模型(线性回归、多项式回归、岭回归、套索回归、弹性网络、逻辑斯谛回归、Softmax回归等)、k-最近邻和k-d树算法、支持向量机、贝叶斯分类器与贝叶斯网络、决策树、集成学习(Ada-Boost、GBDT、随机森林和极端随机树)、聚类(k-均值算法、BIRCH算法、DBSCAN算法、OPTICS算法)、深度学习(卷积神经网络、循环神经网络、生成式对抗网络)。并列题名：Introduction to machine learning eng