本书以机器学习必会知识做铺垫，深入剖析XGBoost的原理、分布式实现、深度应用、模型选择与优化等。第1～3章使读者对机器学习算法有整体认知，了解如何在模型训练过程中进行优化、评估模型结果，并熟悉常用机器学习算法的实现原理和应用，如线性回归、逻辑回归、决策树、神经网络、支持向量机等。第4章是简单的实际案例，讲解如何通过XGBoost解决分类、回归、排序等问题，以及XGBoost中常用功能。第5～7章是本书重点，从原理与源码层面深入剖析XGBoost，涵盖XGBoost原理与理论证明、分布式XGBoost的实现、XGBoost中各个组件的源码解析。第8～9章为进阶内容，帮读者打通实践中的算法与工程难点，更好地解决实际问题。第10章介绍了树模型与其他模型融合的一些较为前沿的研究方法，以开拓眼界，拓展思路。