本書共12章，第1章介紹機器學習的基本概念和理論，并介紹用于機器學習的R軟件環(huán)境的準備；第2章介紹如何應用R來管理數(shù)據(jù)，進行數(shù)據(jù)的探索分析和數(shù)據(jù)可視化；第3-9章介紹典型的機器學習算法，包括k近鄰分類算法、樸素貝葉斯算法、決策樹和規(guī)則樹、回歸預測、黑盒算法—神經(jīng)網(wǎng)絡和支持向量機、關聯(lián)分析、k均值聚類，并給出大量的實際案例和詳細的分析步驟，例如乳腺癌的判斷、垃圾短信的過濾、貸款違約的預測、毒蘑菇的判別、醫(yī)療費用的預測、建筑用混凝土強度的預測、光學字符的識別、超市購物籃關聯(lián)分析以及市場細分等；第10章介紹模型性能評價的原理和方法；第11章給出提高模型性能的幾種常用方法；第12章討論用R進行機器學習時可能遇到的一些高級主題，如特殊形式的數(shù)據(jù)、大數(shù)據(jù)集的處理、并行計算和GPU計算等技術。