本书介绍了与机器学习基础和数据挖掘中使用的算法相关的主要问题。
它提供了机器学习概念的全面基础，以及在实际数据挖掘情况中应用机器学习工具和技术的实用建议。
它将教会您准备输入、解释输出、评估结果以及成功数据挖掘的核心算法的所有知识。
内容：机器学习导论；线性回归；非线性回归；象限；基本概率论；概率密度函数；估算；分类；梯度下降；交叉验证；贝叶斯方法；蒙特卡罗方法；主成分分析；拉格朗日乘数；聚类；隐马尔可夫模型；支持向量机；
