本书基于数据驱动的思维，以R和Python作为编程工具对大量实际案例做了分析。介绍了回归、分类及各种多元分析方法（包括主成分分析、因子分析、聚类分析、典型相关分析、二元及多元对应分析、多维尺度变换分析）的概念、应用及可能的误区。 

 本书并不要求读者有数理统计的预备知识，而且本书在一开始为读者提供了为理解概念而必要的代数知识，并附有学习编程语言的练习。读者可以通过本书学到机器学习的最重要内容并同时学习编程语言，打下数据科学的基础。 

吴喜之，中国人民大学统计学院教授、博士生导师。曾在美国加利福尼亚大学、北卡罗来纳大学以及南开大学、北京大学等多所著名学府执教。 

第1章引言 

第2章矩阵代数回顾 

第3章回归 

第4章分类 

第5章主成分分析 

第6章因子分析 

第7章聚类分析 

第8章典型相关分析 

第9章对应分析 

第10章多维尺度变换