本書は、機械学習を、単なるツールボックスとしてではなく、一定の数理的理解をもちながら利用したい、という読者のために編まれたものである。１・２章はデータ分析の手続きを具体的な例を用いながら平易に述べたもので、問題を解決していく中で機械学習の重要な概念に自然に触れられるように構成した。３・４章は情報量とカーネルを用いた手法を解説する。

■「機械学習」と「データ」の類似度 「機械学習」と「人工知能」 「機械学習」でできること 「学習アルゴリズム」の仕組み 「データの類似度」と機械学習 類似度関数 多様なデータ形式の類似度関数 ■「距離関数」による「機械学習」 著者当てゲーム 機械学習における「探索」のサイクル 特徴設計 データ加工（第1ラウンド） 類似度関数の設計（第1ラウンド） 「学習アルゴリズム」の選択（第1ラウンド） 「ハイパーパラメータ」の最適化（第1ラウンド） モデルの評価（第1ラウンド） データの加工（第2ラウンド） 学習アルゴリズムの選択（第2ラウンド） パラメータの最適化とモデルの評価（第2ラウンド） データの加工と類似度関数の設計（第3ラウンド） 学習アルゴリズムの選択（第3ラウンド） ハイパーパラメータの最適化とモデルの評価（第3ラウンド） ■情報量に基づく類似度関数 確率の基礎 情報量 バラつきの指標としての情報量 確率分布の比較 「ジェンセン-シャノン情報量」による「著者当てゲーム」 ■「カーネル関数」による類似度評価 カーネル関数 カーネルマシン サポートベクターマシンによる「著者当てゲーム」