本书包括的内容有: 经典线性回归、?义线性模型、混合效应模型 (分层模型)、机器学习回归?法 (决策树、bagging、随机森林、各种 boosting ?法、??神经?络、?持向量机、k *近邻?法)、?存分析及 Cox 模型、经典判别分析与 logistic 回归分类、机器学习分类?法 (决策树、bagging、随机森林、adaboost、??神经?络、?持向量机、k *近邻?法).其中, 混合效应模型、?存分析及 Cox 模型的内容可根据需要选?, 所有其他的内容都应该在教学中涉及, 可以简化甚?忽略的内容为?些数学推导和某些不那么优秀的模型, 不可以忽略的是各种?法的直观意义及理念.  本书的宗旨就是既要介绍传统的回归和分类?法, 又要引??量更加有效的机器学习?法, 并且通过实际例?, 运? R 和 Python 两种软件来让读者理解各种?法的意义和实践,能够?主做数据分析并得到结论。