本书共分10章，大体上可以分为4部分：第1~2章为第1部分，主要介绍机器学习的基础知识(机器学习概览、特征工程方法)；第3~8章为第2部分，主要介绍有监督学习场景的经典且常用的机器学习算法及实践方法(决策树、K最近邻、支持向量机、朴素贝叶斯、线性回归与逻辑回归、集成思想)；第9章和第10章分别为第3部分和第4部分，介绍无监督学习场景常用算法(聚类与降维)和神经网络方法。