機器學習是一門涉及高等數學、線性代數、概率論、統計學和運籌學等領域的交叉學科。
機器學習的基礎就是數學，這也就要求學習者要有良好的數學基礎。
為了降低機器學習的學習門檻，本書深入淺出地對機器學習算法的數學原理進行了嚴謹的推導；
並利用Python 3對各種機器學習算法進行複現，還利用介紹的算法在相應數據集上進行實戰。
本書主要內容包括機器學習及其數學基礎；線性回歸、局部加權線性回歸兩種回歸算法；
Logistic回歸、Softmax回歸和BP神經網絡3種分類算法；模型評估與優化；
K-Means聚類算法、高斯混合模型兩種聚類算法和一種降維算法——主成分分析。
《機器學習入門：基於數學原理的Python實戰》理論性與實用性兼備，
既可作為初學者的入門書籍，也可作為求職者的面試寶典，
更可作為職場人士轉崗的實用手冊。
本書適合需要全面學習機器學習算法的初學者、
希望掌握機器學習算法數學理論的程序員、想轉行從事機器學習算法的專業人員、
對機器學習算法興趣濃厚的人員、專業培訓機構學員和希望提高Python編程水平的程序員。