主要目录：

1. 赋予计算机从数据中学习的能力
2. 训练机器学习分类算法
3.使用Scikit-Learn的机器学习分类器之旅
4. 建立良好的培训集-数据预处理
5. 通过降维压缩数据
6. 学习模型评估和超参数优化的最佳实践
7. 结合不同的模型进行集成学习
8. 将机器学习应用于情绪分析
9. 将机器学习模型嵌入到Web应用程序中
10. 用回归分析预测连续目标变量
11. 处理未标记的数据-聚类分析
12. 实现了一个多层人工神经网络从无到有
13. 神经网络训练与张力流并行化
14. 更深入:张力流的力学
15. 利用深度卷积神经网络对图像进行分类
16. 利用递归神经网络对序列数据进行建模


书籍对应代码同样可在网站中下载：
https://github.com/rasbt/python-machine-learning-book-2nd-edition