"本书理论和实践并重，强化算法思想讲解，既有理论的系统讲解、公式的详细推导，也有Python代码实现的详细讲解，同时突出独立思考、提出问题能力的培养。

全书共9章，涵盖了机器学习的基本内容，主要包括概述、离散变量与分类、连续变量与线性回归、维数灾难与降维、K均值聚类、生成模型与贝叶斯分类器、自监督与大语言模型、环境监督与强化学习、综合实验等。本书适用于本科生及研究生的课程教学。模型和算法采用Python从零实现，只依赖Python、NumPy和Matplotlib，不依赖已有的机器学习库，是学习机器学习的最小知识集。

本书可作为高等院校计算机类相关专业的“机器学习”课程教材，也可作为对机器学习感兴趣的读者的自学读物，还可作为相关行业技术人员的参考用书。

"