作者：呆呆授权

足够基础的机器学习理论！_机器学习一本名为Foundations of Machine Learning（《机器学习基础》）的课在Reddit上讨论火热，这部教材足够扎实、内容足够基础，学机器学习理论，熟读这本书就足够了。


这本书是由纽约大学计算机科学教授Mehryar Mohri、Afshin Rostamizadeh和Ameet Talwalkar共同编写的，2012年曾经出版了第一版，这一版在此前基础上进行了内容的完善。


足够基础的机器学习理论！_python_02


全书是对机器学习的一般性知识介绍，也是不少大学的研究生教材，侧重于算法的分析和理论。书中的内容基本上涵盖了机器学习当前阶段的热门基础概念，同时还附上了算法论证所需的理论基础和工具。



二、主要内容


下面是主要目录

  1. C学习框架
  2. Rademacher复杂性和VC维（Vapnic-Chervonenkis Dimension）
  3. 模型选择
  4. 支持向量机
  5. 核理论
  6. Boosting家族
  7. 在线学习
  8. 多级分类
  9. 排序
  10. 回归
  11. 最大熵模型
  12. 条件最大熵模型
  13. 算法稳定
  14. 降维
  15. 学习自动机和语言
  16. 强化学习