本書深入剖析機器學習中的概率思維，從基礎(chǔ)理論出發(fā)，結(jié)合經(jīng)典例子，闡述如何將概率思維巧妙應(yīng)用于機器學習算法，幫助讀者理解數(shù)據(jù)背后的規(guī)律與不確定性。除引言外，全書內(nèi)容分為5章，包括貝葉斯定理中的概率思維、樸素貝葉斯算法中的概率思維、極大似然估計和最大后驗估計、貝葉斯網(wǎng)絡(luò)、馬爾可夫鏈和隱馬爾可夫模型。