本书以浅显易懂的语言对Python进行了全面系统的介绍，采用范例加图解的形式，普通读者可轻松阅读。全书主要内容包括：Python语言的基础语法、数据类型、运算符、函数、类、对象以及常用的标准功能模块，最后以实例的形式介绍了开发机器学习和人工智能应用所需的知识及相应的功能模块。

本书主要内容包括机器学习介绍，NumPy、Pandas、SciPy库、Matplotlib(可视化)四个基础模块，Scikit-learn算法、模型、拟合、过拟合、欠拟合、模型性能度量指标、数据标准化、非线性转换、离散化，以及特征抽取和降维的各种方法，包括特征哈希、文本特征抽取、特征聚合等。

本书详细描述了PMML规范(Ver4.3)所支持的8种模型：神经网络模型、决策树模型、规则集模型、序列模型、评分卡模型、支持向量机模型、时间序列模型和聚合模型。全书不是简单地介绍PMML语法，而是融合各种挖掘模型基础知识和算法知识，告诉开发者如何融会贯通地掌握、使用PMML语言，不仅能够学习到标准的PMML模型表达方式，而且能学习机器学习模型的丰富知识，从而熟练地把PMML语言应用到自己的项目实践中。

本书对PMML规范最新版本所支持的模型，包括关联规则模型、贝叶斯网络模型、基线模型、聚类模型、高斯过程模型、广义回归模型等，结合实际应用案例一一进行详细的分解介绍。本书选材典型，技术先进，内容实用，案例丰富。

本书详细介绍了PMML语言的基础组件、数据类型和各种运算符等知识，结合实例分析了PMML实例文档的组成部分及其相互关系。本书内容全面，案例丰富，实用性强。