[口碑之选] 机器学习理论研究——《机器学习理论导引》

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。

本书旨在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。在预备知识之后，全书各章分别聚焦于：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。 除介绍基本概念外，还给出若干分析实例，如显示如何将不同理论工具应用于支持向量机这种常见机器学习技术。

作者:周志华 王魏 高尉 张利军

https://download.eeworld.com.cn/detail/%E6%8A%9B%E7%A0%96%E5%BC%95%E7%8E%89/628314

感谢楼主提供的技术分享，先收藏学习再发表个人意见，顶起来