本书介绍了使用机器学习进行个性化预测的通用原理和方法，以及其在推荐系统等具体场景下的应用。第一部分简要介绍了机器学习的基础内容，主要围绕回归和分类展开对基本内容、特征设计和评估方法的探讨。第二部分详细介绍了个性化机器学习的基础知识。首先围绕推荐系统设置介绍了基于记忆和基于模型的推荐方法等相关知识，并探讨了将社交关系和价格等特征纳入推荐中的个性化设置；之后，从时序和序列建模的角度介绍了自回归和马尔可夫链等基本方法，以及基于神经网络的更复杂的个性化技术。第三部分介绍了个性化机器学习的一些新兴方向，包括涉及文本和图像的数据生成和检索等个性化应用，并探讨了开发个性化机器学习存在的过滤气泡、极端化、偏置和公平性等问题和影响。本书在介绍个性化机器学习的通用技术之余，以丰富的案例研究、代码展示、习题和实践项目等方式向读者呈现出更全面的个性化实现和应用。无论对于寻求更面向应用的机器学习技术的学习者，还是教授机器学习和推荐系统等课程的老师，本书都是理想的学习指南和教材。