本書(shū)涵蓋了機(jī)器學(xué)習(xí)領(lǐng)域中的嚴(yán)謹(jǐn)理論和實(shí)用方法，討論了學(xué)習(xí)的計(jì)算復(fù)雜度、凸性和穩(wěn)定性、PAC-貝葉斯方法、壓縮界等概念，并介紹了一些重要的算法范式，包括隨機(jī)梯度下降、神經(jīng)元網(wǎng)絡(luò)以及結(jié)構(gòu)化輸出。

全書(shū)講解全面透徹，適合有一定基礎(chǔ)的高年級(jí)本科生和研究生學(xué)習(xí)，也適合作為IT行業(yè)從事數(shù)據(jù)分析和挖掘的專(zhuān)業(yè)人員以及研究人員參考閱讀。

作者簡(jiǎn)介:
以色列希伯來(lái)大學(xué)副教授Shai ShalevShwartz和加拿大滑鐵盧大學(xué)教授Shai BenDavid的專(zhuān)著《Understanding Machine Learning:From Theory to Algorithms》是機(jī)器學(xué)習(xí)領(lǐng)域一部具有里程碑意義的著作。

近幾年，機(jī)器學(xué)習(xí)是人工智能研究領(lǐng)域中最活躍的分支之一，已成為信息科學(xué)領(lǐng)域解決實(shí)際問(wèn)題的重要方法，它的應(yīng)用已遍及人工智能的各個(gè)應(yīng)用領(lǐng)域。

機(jī)器學(xué)習(xí)又是一個(gè)多學(xué)科的交叉領(lǐng)域，涉及數(shù)學(xué)、自動(dòng)化、計(jì)算機(jī)科學(xué)、應(yīng)用心理學(xué)、生物學(xué)和神經(jīng)生理學(xué)等。

這種學(xué)科交叉融合帶來(lái)的良性互動(dòng)，無(wú)疑促進(jìn)了包括機(jī)器學(xué)習(xí)在內(nèi)的諸學(xué)科的發(fā)展與繁榮。

本書(shū)內(nèi)容十分豐富，作者以前所未有的廣度和深度，介紹了目前機(jī)器學(xué)習(xí)中重要的理論和關(guān)鍵的算法。

本書(shū)沒(méi)有陷入“科普”式的堆砌材料的寫(xiě)作方式，由于作者是該領(lǐng)域的權(quán)威專(zhuān)家，因此在介紹... 以色列希伯來(lái)大學(xué)副教授Shai ShalevShwartz和加拿大滑鐵盧大學(xué)教授Shai BenDavid的專(zhuān)著《Understanding Machine Learning:From Theory to Algorithms》是機(jī)器學(xué)習(xí)領(lǐng)域一部具有里程碑意義的著作。

近幾年，機(jī)器學(xué)習(xí)是人工智能研究領(lǐng)域中最活躍的分支之一，已成為信息科學(xué)領(lǐng)域解決實(shí)際問(wèn)題的重要方法，它的應(yīng)用已遍及人工智能的各個(gè)應(yīng)用領(lǐng)域。

機(jī)器學(xué)習(xí)又是一個(gè)多學(xué)科的交叉領(lǐng)域，涉及數(shù)學(xué)、自動(dòng)化、計(jì)算機(jī)科學(xué)、應(yīng)用心理學(xué)、生物學(xué)和神經(jīng)生理學(xué)等。

這種學(xué)科交叉融合帶來(lái)的良性互動(dòng)，無(wú)疑促進(jìn)了包括機(jī)器學(xué)習(xí)在內(nèi)的諸學(xué)科的發(fā)展與繁榮。

本書(shū)內(nèi)容十分豐富，作者以前所未有的廣度和深度，介紹了目前機(jī)器學(xué)習(xí)中重要的理論和關(guān)鍵的算法。

本書(shū)沒(méi)有陷入“科普”式的堆砌材料的寫(xiě)作方式，由于作者是該領(lǐng)域的權(quán)威專(zhuān)家，因此在介紹各種理論和算法時(shí)，時(shí)刻不忘將不同理論、算法的對(duì)比與作者自身的研究成果傳授給讀者，使讀者不至于對(duì)如此豐富的理論和算法無(wú)所適從。

另外，特別值得指出的是，本書(shū)第一部分非常有特色，也是非常重要的一部分。

這部分內(nèi)容從更高的觀點(diǎn)和更深的層次探討機(jī)器學(xué)習(xí)的許多理論基礎(chǔ)，引入對(duì)指導(dǎo)理論研究和實(shí)際應(yīng)用都至關(guān)重要的概率近似正確（Probably Approximately Correct，PAC）學(xué)習(xí)理論。

該理論旨在回答由機(jī)器學(xué)習(xí)得到的結(jié)果到底有多高的可信度與推廣能力，從某種意義上來(lái)說(shuō)，只有懂得了該部分，才可能透徹地理解和更好地運(yùn)用其他章節(jié)的內(nèi)容。

國(guó)內(nèi)關(guān)于PAC學(xué)習(xí)的資料非常少，在翻譯過(guò)程中團(tuán)隊(duì)成員碰到了極大的困難，我們?nèi)斯ぶ悄芘c機(jī)器學(xué)習(xí)研究團(tuán)隊(duì)為此進(jìn)行了多方論證并多次召開(kāi)專(zhuān)題討論會(huì)。

本書(shū)主要面向人工智能、機(jī)器學(xué)習(xí)、模式識(shí)別、數(shù)據(jù)挖掘、計(jì)算機(jī)應(yīng)用、生物信息學(xué)、數(shù)學(xué)和統(tǒng)計(jì)學(xué)等領(lǐng)域的研究生和相關(guān)領(lǐng)域的科技人員。

翻譯出版中譯本的目的，是希望能為國(guó)內(nèi)廣大從事相關(guān)研究的學(xué)者和研究生提供一本全面、系統(tǒng)、權(quán)威的教科書(shū)和參考書(shū)。

如果能做到這一點(diǎn)，譯者將感到十分欣慰。

必須說(shuō)明的是，本書(shū)的翻譯是中國(guó)科學(xué)院自動(dòng)化研究所人工智能與機(jī)器學(xué)習(xí)研究團(tuán)隊(duì)集體努力的結(jié)果，團(tuán)隊(duì)的成員楊雪冰、匡秋明、蔣曉娟、薛偉、魏波、李思園、張似衡、曾凡霞、于廷照、王鑫、李濤、楊葉輝、胡文銳、張志忠、唐永強(qiáng)、陳東杰、何澤文、張英華、李悟、李碩等參與了本書(shū)的翻譯工作，李思園老師參與了全書(shū)的審校與修正。

感謝機(jī)械工業(yè)出版社華章分社的大力協(xié)助，倘若沒(méi)有他們的熱情支持，本書(shū)的中譯版難以如此迅速地與大家見(jiàn)面。

另外，本書(shū)的翻譯得到了國(guó)家自然科學(xué)基金委重點(diǎn)項(xiàng)目和面上項(xiàng)目（61472423、U1135005、61432008、61532006、61305018、61402481等）的資助，特此感謝。

在翻譯過(guò)程中，我們力求準(zhǔn)確地反映原著內(nèi)容，同時(shí)保留原著的風(fēng)格。

但由于譯者水平有限，書(shū)中難免有不妥之處，懇請(qǐng)讀者批評(píng)指正。

最后，謹(jǐn)把本書(shū)的中譯版獻(xiàn)給我的博士生導(dǎo)師王玨研究員！

王玨老師生前對(duì)機(jī)器學(xué)習(xí)理論、算法和應(yīng)用非常關(guān)注，對(duì)于PAC可學(xué)習(xí)理論也有著獨(dú)到而深刻的理解，他啟發(fā)并引領(lǐng)了我們研究團(tuán)隊(duì)對(duì)機(jī)器學(xué)習(xí)理論和算法的研究工作，使我們終身受益。

中國(guó)科學(xué)院自動(dòng)化研究所 張文生 2016年4月于北京

目錄:
第1章引論1
第2章簡(jiǎn)易入門(mén)10
第3章一般學(xué)習(xí)模型17
第4章學(xué)習(xí)過(guò)程的一致收斂性24
第5章偏差與復(fù)雜性權(quán)衡28
第6章VC維33
第7章不一致可學(xué)習(xí)44
第8章學(xué)習(xí)的運(yùn)行時(shí)間56
第9章線性預(yù)測(cè)66
第10章boosting75
第11章模型選擇與驗(yàn)證85
第12章凸學(xué)習(xí)問(wèn)題93
第13章正則化和穩(wěn)定性104
第14章隨機(jī)梯度下降114
第15章支持向量機(jī)127
第16章核方法136
第17章多分類(lèi)、排序與復(fù)雜預(yù)測(cè)問(wèn)題145
第18章決策樹(shù)162
第19章最近鄰167
第20章神經(jīng)元網(wǎng)絡(luò)174
第21章在線學(xué)習(xí)186
第22章聚類(lèi)201
第23章維度約簡(jiǎn)212
第24章生成模型226
第25章特征選擇與特征生成237
第26章拉德馬赫復(fù)雜度250
第27章覆蓋數(shù)260
第28章學(xué)習(xí)理論基本定理的證明263
第29章多分類(lèi)可學(xué)習(xí)性271
第30章壓縮界277
第31章PAC貝葉斯281

需要的小伙伴，領(lǐng)取方式如下：

1.一鍵三連+關(guān)注

2.后臺(tái)主動(dòng)留下痕跡：“電子書(shū)”（重點(diǎn)）