本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。 本书的最大亮点莫过于使用 Python，从零开始实现主流的机器学习算法，没有调包调库，包括复杂的 SVM SMO 算法。可以说非常有助于深入理解算法核心知识，巩固机器学习理论。 由于《机器学习实战》配套的代码多由