作者：思源

從 05 年到 19 年，Mehryar Mohri 在紐約大學已經教過 14 年的 Foundations of Machine Learning 課程。在 2012 年，他就完成了第一版的《機器學習基礎》，這本書的數學氛圍非常濃厚。2018 年 Mohri 等研究者又完成了第二版，現在第二版及其資料都已經開放下載。

• 書籍主頁：https://cs.nyu.edu/~mohri/mlbook/
• 百度雲下載地址：https:///s/194wEpl5fsyJHKE49uc92pg；提取碼: xud2

《機器學習基礎》（Foundations of Machine Learning）是對機器學習的通用簡介，可作為研究者的參考書和學生的教科書來使用。該書覆蓋機器學習領域的基礎現代話題，同時提供讨論和算法證明所需的理論基礎與概念工具。這本書還介紹了算法應用的多個關鍵方面。

這本書旨在呈現最新的理論工具和概念，同時提供準确的證明。該書寫作風格力求簡潔，同時讨論了機器學習領域的一些關鍵複雜話題，以及多個開放性研究問題。一些經常與其他話題混合的話題以及沒有得到足夠關注的話題在本書中得到了單獨讨論和重視，例如，這本書專門有一個章節講多類别分類、排序和回歸。

這本書覆蓋了機器學習領域的大量重要話題，但作者也省略了個别話題，如圖模型和流行的神經網絡，這是出于簡潔性的考慮，以及這些方法暫時缺少一些堅實的理論保證。

什麼樣的讀者适合讀

這本書針對的讀者群體是機器學習、統計學及相關領域的學生和研究者。它可用作機器學習研究生和高年級本科生的教材，或者科研讨論會的參考書。

本書前三四章主要講理論，為後續章節夯實理論基礎。其他章各自獨立，第 6 和 13 章除外，第六章介紹了和後面章節有關的一些概念，第 13 章和 第 12 章關聯度很高。每一章的最後都有一系列練習題（附完整答案）。

本書希望讀者熟悉線性代數、概率和算法分析。但是，為了進一步幫助到大家，這本書的擴展附錄中還包括：對線性代數的概述、凸優化簡介、概率論簡介、對書中算法分析和讨論有用的一些集中不等式（Concentration inequality），以及信息論簡介。

第二版的小目标

Mehryar Mohri 等作者的目标是為多個主題和領域提供統一的内容框架，而不是其它書籍采用的專題展示。這些專題書籍隻描述某個特殊的視角或主題，例如貝葉斯視角或核方法主題。這本書有比較強的理論基礎，證明與分析也會着重強調，因此它相比很多書籍都有較大的差别。

在第二版中，作者們更新了整本書。其主要改變體現在很多章節的寫作風格、新的圖表可視化、簡化的内容與推導過程、對現有章節的一些補充，特别是第 6 章與第 17 章等一些新的章節。此外，作者們新添了完整的章節「模型選擇」（第四章），這是非常重要的一個主題，但以前隻簡要讨論過。

對于第二版的最後，作者在附錄中添加了很多新内容，包括線性代數和概率論等數學基礎，也包括了信息論等機器學習基礎。另外，作者為新章節提供了很多練習題與解決方案，讀者也可以做做習題。

補充資料

這本書提供了很多材料，其中大多數都是紐約大學 Mehryar Mohri 的課程機器學習基礎（Foundations of Machine Learning）提供的。這門課已經開展了 14 年，這本書也是該課程的内容概述。Mehryar Mohri 表示，正因為該課程學生的一些好建議，第二版才能最終出版。

• 課程主頁：https://cs.nyu.edu/~mohri/ml18/

該課程主頁上有額外的家庭作業、課件和項目等資料，配合書籍使用效果更佳。

目錄

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部