• 前言
    • 本书简介、适用读者及阅读方法
  • 如何用机器学习解决我的问题？
    • 什么是基于模型的机器学习及其如何帮助解决问题
    1. 谋杀之谜
    • 通过解决一起谋杀案介绍基于模型的机器学习的核心概念
    • 关键词：概率、随机变量、概率推断、概率模型、因子图、贝叶斯定理
    1. 评估人的技能
    • 基于模型的机器学习的第一个应用：根据测试答案评估一个人具备哪些技能
    • 关键词：消息传递算法、循环置信传播、可视化、评估指标、ROC曲线
  • 插曲：机器学习生命周期
    • 解决任何机器学习问题的典型步骤
    1. 匹配你的对手
    • 基于模型的机器学习在在线游戏玩家匹配中的实际应用
    • 关键词：高斯分布、方差、共轭分布、期望传播、在线学习
    1. 清理你的收件箱
    • 通过学习用户可能忽略哪些邮件来清理收件箱
    • 关键词：过拟合、匿名化、分类、特征集、精确率-召回率曲线、冷启动问题
    1. 个性化推荐
    • 学习用户和电影的模型，实现个性化推荐
    • 关键词：协同过滤、对称性、对称性破缺
    1. 理解哮喘
    • 建模儿童过敏获得过程，理解和预测儿童哮喘
    • 关键词：时间序列、缺失数据、模型选择、模型证据、奥卡姆剃刀、门、离散分布
    1. 众包的力量
    • 利用众包标签在危机情况下提供准确信息
    • 关键词：Dirichlet分布、混淆矩阵、朴素贝叶斯分类器
    1. 如何解读模型
    • 探索他人创建的模型，理解其假设
    • 关键词：LDA主题模型、决策树、主成分分析、K均值聚类
  • 后记
    • 对基于模型的机器学习未来的展望