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。

全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计数据，进行数据分析及可视化。通过各种实例，-　U672C　u4E66　u7B2C　u4E00　u90E8　u5206　u5206　u4E3B　u8991　u4ECB　u7ECD　u673A　u5668　u5B66　u4E60　u57FA　u7840　uFF0C　u4EE5　u53CA　u5982　u4F55　u5229　u7528　u7B97　u6CD5　 U8FDB　u883C　u5206　u7C7B　uFF0C　u5E76　u9010　u6B65　u4ECB　u7ECD　u4E86　u591A　 U90BB　u6CD2　u3001　u6734　u7D2　u8D1D　u53F6　u65AF　u7B97　u6CD5　u3001Logistic　u56DE　u5F52　u7B97　u6CD5　u3001　u652F　u6301　u5411　u91CF　u673A　u3001AdaBoost　u96C6　u6210　 U65B9　u6CD5　u3001　u57FA　u4E8E　u6811　u7R4　u5F52　u7B97　u6CD2　u5286　u5206　u7C7B　u56DE　u5F52　u6811　uFF08CART　uFF09　u7B97　u6CD5　u7B49　u3002　u7B2C　u4E09　 U90E8　u5209　u5109　u91A　u0312　u4E9B　u8E1B　u8981　u7B97　u6CD5　uFF1Ak　u5747　u503C　u805A　u7B7B　 U7B97　u6CD3　u30011　by default for uppercase and uupstr　 U4E9B　u9644　u5C5E　u5DE5　u5177　u3002　u5168　u4E66　u901A　u8FC7　u7CBE　U5FC3　u7396　u7392　u7B09　u5B09　u5B09　u5B09　u5B03　U7528　u9184　u5R4　u5904　u7403　u7R03　u7 U5206　u6790　u53CA　u53EF　u89