随着数字音乐内容的迅速增长以及人们对音乐鉴赏需求的日益提升，音乐信息的分类检索及个性化推荐受到广大网民和有关从业人员越来越广泛的关注,并成为研究及应用的新热点。 本书系统地阐述了机器学习中的常用分类与推荐方法,介绍了网络音乐自动分类与推荐的理论基础，重点探讨了ＳＶＭ 和ＫＮＮ 分类算法的改进，以及协同过滤推荐算法和基于马尔可夫模型推荐算法的改进，并对改进后的算法应用到音乐自动分类和个性化推荐领域进行了探索性研究。 本书展现了机器学习常用算法的原理、改进及应用案例，适合机器学习、数据挖掘及大数据等领域的专业人员阅读。