【赠书】西瓜书姊妹篇，周志华教授领衔撰写，历时4年，宝箱书《机器学习理论导引》问世！

如果你也蹲在周志华老师微博底下等送书，赶快到文末留言区领取吧！

新书速递

机器学习近年来备受关注，对机器学习理论感兴趣的人士也日渐增多。然而这方面的专门书籍颇少，中文读物尤甚。

顾名思义，机器学习理论研究的是关于机器学习的理论基础，主要内容是分析学习任务的困难本质，为学习算法提供理论保证，并根据分析结果指导算法设计。虽然这方面的内容对深入理解机器学习技术甚为重要，但由于内容艰深广袤，既需对机器学习问题有恰当把握，又需相当的数学技巧，且不少内容来源流派颇为不同，不仅初学者感觉难以下手，浸淫多年的学者往往也难纵览全貌。

国际上关于机器学习理论的书籍大致有两类，一类从介绍机器学习具体技术的角度展开，重点在于告诉读者如何从理论角度来理解这些技术，学习理论自身的内容则散见于不同机器学习技术的讨论中。另一类则聚焦于某项具体的学习理论，其他理论内容则需另寻相关读物。

今天，小编为大家推荐《机器学习理论导引》，这本书试图为有志于机器学习理论学习和研究的读者提供一个入门导引。作者以为，对理论学习和研究来说，弄清楚基础概念和工具尤为重要。因此，本书采取了与上述书籍不同的组织方式。作者梳理出机器学习理论这个“百宝箱”中的七个重要概念或理论工具，姑且称之为“七种武器”，即：可学性、(假设空间)复杂度、泛化界、稳定性、一致性、收敛率、遗憾界。

目录（可滑动查看噢）

前言

主要符号表

第1章预备知识 ……………………………………………………… 1

1.1 函数的性质 ……………………………………………………… 1

1.2 重要不等式 ……………………………………………………… 5

1.3 最优化基础 ……………………………………………………… 9

1.4 支持向量机 ……………………………………………………… 13

1.5 理论的作用 ……………………………………………………… 18

1.6 阅读材料 ………………………………………………………… 19

习题 …………………………………………………………………… 21

参考文献 ……………………………………………………………… 22

第2章可学性 ………………………………………………………… 25

2.1 基本概念 ………………………………………………………… 25

2.2 PAC学习 ………………………………………………………… 26

2.3 分析实例 ………………………………………………………… 30

2.4 阅读材料 ………………………………………………………… 35

习题 …………………………………………………………………… 36

参考文献 ……………………………………………………………… 37

第3章复杂度 ………………………………………………………… 39

3.1 数据分布无关 …………………………………………………… 39

3.2 数据分布相关 …………………………………………………… 46

3.3 分析实例 ………………………………………………………… 50

3.4 阅读材料 ………………………………………………………… 56

习题 ..………………………………………………………………… 58

参考文献 ……………………………………………………………… 59

第4章泛化界 ………………………………………………………… 61

4.1 泛化误差上界 …………………………………………………… 61

4.2 泛化误差下界 …………………………………………………… 71

4.3 分析实例 ………………………………………………………… 78

4.4 阅读材料 ………………………………………………………… 83

习题 …………………………………………………………………… 84

参考文献 ……………………………………………………………… 86

第5章稳定性 ………………………………………………………… 89

5.1 基本概念 ………………………………………………………… 89

5.2 重要性质 ………………………………………………………… 92

5.3 分析实例 ………………………………………………………… 98

5.4 阅读材料 ………………………………………………………… 107

习题 …………………………………………………………………… 108

参考文献 ……………………………………………………………… 110

第6章一致性 ………………………………………………………… 113

6.1 基本概念 ………………………………………………………… 113

6.2 替代函数 ………………………………………………………… 117

6.3 划分机制 ………………………………………………………… 122

6.4 分析实例 ………………………………………………………… 125

6.5 阅读材料 ………………………………………………………… 132

习题 …………………………………………………………………… 134

参考文献 ……………………………………………………………… 135

第7章收敛率 ………………………………………………………… 137

7.1 基本概念 ………………………………………………………… 137

7.2 确定优化 ………………………………………………………… 139

7.3 随机优化 ………………………………………………………… 143

7.4 分析实例 ………………………………………………………… 155

7.5 阅读材料 ………………………………………………………… 157

习题 …………………………………………………………………… 159

参考文献 ……………………………………………………………… 161

第8章遗憾界 ………………………………………………………… 163

8.1 基本概念 ………………………………………………………… 163

8.2 完全信息在线学习 ……………………………………………… 165

8.3 赌博机在线学习 ………………………………………………… 170

8.4 分析实例 ………………………………………………………… 184

8.5 阅读材料 ………………………………………………………… 188

习题 …………………………………………………………………… 189

参考文献 ……………………………………………………………… 191

索引 …………………………………………………………………… 193

上下滑动查看

粉丝福利

本次联合【机械工业出版社华章公司】为大家带来五本“宝箱书”正版新书！本次还是留言赠书，主题不限，但希望是真心走心评论，否则无效噢。截止6月3日20点，我们将在认真留言的前提下取点赞前两名粉丝+三名留言用心的真粉包邮赠送《机器学习理论导引》正版图书！新书会在随后寄出噢，快来在看留言get你的儿童节礼物吧！！！

推荐阅读

AINLP年度阅读收藏清单

模型压缩实践收尾篇——模型蒸馏以及其他一些技巧实践小结

中文命名实体识别工具（NER）哪家强？

学自然语言处理，其实更应该学好英语

斯坦福大学NLP组Python深度学习自然语言处理工具Stanza试用

太赞了！Springer面向公众开放电子书籍，附65本数学、编程、机器学习、深度学习、数据挖掘、数据科学等书籍链接及打包下载

数学之美中盛赞的 Michael Collins 教授，他的NLP课程要不要收藏？

自动作诗机&藏头诗生成器：五言、七言、绝句、律诗全了

模型压缩实践系列之——bert-of-theseus，一个非常亲民的bert压缩方法

这门斯坦福大学自然语言处理经典入门课，我放到B站了

征稿启示 | 稿费+GPU算力+星球嘉宾一个都不少

关于AINLP

AINLP 是一个有趣有AI的自然语言处理社区，专注于 AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享，主题包括文本摘要、智能问答、聊天机器人、机器翻译、自动生成、知识图谱、预训练模型、推荐系统、计算广告、招聘信息、求职经验分享等，欢迎关注！加技术交流群请添加AINLPer(id：ainlper)，备注工作/研究方向+加群目的。