本书包括的内容有： 经典线性回归、⼴义线性模型、混合效应模型 (分层模型)、机器学习回归⽅法 (决策树、bagging、随机森林、各种 boosting ⽅法、⼈⼯神经⽹络、⽀持向量机、k 最近邻⽅法)、⽣存分析及 Cox 模型、经典判别分析与 logistic 回归分类、机器学习分类⽅法 (决策树、bagging、随机森林、adaboost、⼈⼯神经⽹络、⽀持向量机、k 最近邻⽅法).其中， 混合效应模型、⽣存分析及 Cox 模型的内容可根据需要选⽤， 所有其他的内容都应该在教学中涉及， 可以简化甚⾄忽略的内容为⼀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⽅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⽅法， 又要引⼊⼤量更加有效的机器学习⽅法， 并且通过实际例⼦， 运⽤ R 和 Python 两种软件来让读者理解各种⽅法的意义和实践，能够⾃主做数据分析并得到结论。