全书共9章，阐述了数据挖掘与机器学习的核心概念与技术，以及运用这些技术分析实际问题的思路。书中还介绍了9个综合性的案例，其难易程度和侧重点与书中各章的知识点相匹配。

第1章 数据挖掘概述
1.1 数据分析技术发展简介
1.2 数据挖掘的概念
1.3 数据挖掘的功能与应用领域
1.4 数据挖掘的模型
1.5 数据挖掘的数据类型
1.6 数据挖掘的交叉学科
第2章 数据科学分析入门
2.1 数据科学分析库
2.2 数据科学分析库的基本使用
第3章 回归算法与应用
3.1 回归预测问题
3.2 线性回归
3.3 岭回归和Lasso回归
3.4 逻辑回归
第4章 分类算法与应用
4.1 分类问题简介
4.2 K近邻算法
4.3 概率模型
4.4 朴素贝叶斯分类
4.5 向量空间模型
4.6 支持向量机
4.7 集成学习
第5章 无监督学习
5.1 无监督学习问题
5.2 划分聚类
5.3 层次聚类
5.4 聚类效果评测
第6章 关联规则和协同过滤
6.1 关联规则
6.2 Apriori算法
6.3 协同过滤
第7章 特征工程、降维与超参数
7.1 特征工程
7.2 降维与超参数调优
第8章 图像数据分析
8.1 图像数据的相关概念
8.2 图像数据分析方法
8.3 图像数据分析案例
8.4 计算机视觉的应用
第9章 文本数据处理分析
9.1 文本数据处理的相关概念
9.2 中英文的文本数据处理方法对比
9.3 文本数据处理分析案例
9.4 自然语言处理的应用