理解机器学习：从理论到算法

机器学习是计算机科学中发展最快且应用极其广泛的领域之一。本教材旨在以原则性、系统性的方式介绍机器学习及其提供的算法范式。本书对机器学习背后的基本思想以及将这些原理转化为实用算法的数学推导进行了广泛深入的理论阐述。在介绍了该领域的基础知识后，本书涵盖了以往教材未曾涉及的广泛核心主题。其中包括对学习的计算复杂度以及凸性和稳定性概念的讨论；重要的算法范式，包括随机梯度下降、神经网络和结构化输出学习；以及新兴的理论概念，例如 PAC-Bayes 方法和基于压缩的界。本书专为高年级本科生或低年级研究生课程设计，使统计学、计算机科学、数学和工程领域的学生及非专业读者能够轻松理解机器学习的基本原理和算法。