機器學習算法原理與編程實踐是機器學習原理和算法編碼實現(xiàn)的基礎性讀物，內容分為兩大主線：單個算法的原理講解和機器學習理論的發(fā)展變遷。算法除包含傳統(tǒng)的分類、聚類、預測等常用算法之外，還新增了深度學習、貝葉斯網、隱馬爾科夫模型等內容。對于每個算法，均包括提出問題、解決策略、數(shù)學推導、編碼實現(xiàn)、結果評估幾部分。數(shù)學推導力圖做到由淺入深，深入淺出。結構上數(shù)學原理與程序代碼一一對照，有助于降低學習門檻，加深公式的理解，起到推廣和擴大機器學習的作用。

機器學習算法原理與編程實踐目錄：

第1章 機器學習的基礎 1
第2章 中文文本分類 56
第3章 決策樹的發(fā)展 89
第4章 推薦系統(tǒng)原理 118
第5章 梯度尋優(yōu) 149
第6章 神經網絡初步 189
第7章 預測的技術與哲學 226
第8章 萬能分類器——支持向量機 265
第9章 人臉識別中的機器學習 297
第10章 認知計算與深度學習 332
第11章 概率圖模型與詞性標注 380