书籍-《机器学习基础（第二版）》

最新推荐文章于 2024-10-01 16:06:06 发布

李子寒泉

最新推荐文章于 2024-10-01 16:06:06 发布

阅读量25

点赞数

文章标签：机器学习人工智能

书籍-《机器学习基础（第二版）》_理论基础

编辑：陈萍萍的公主@一点人工一点智能

书籍：Foundations of Machine Learning, second edition

作者：Mehryar Mohri，Afshin Rostamizadeh，Ameet Talwalkar

出版：The MIT Press

01 书籍介绍

这是一部面向研究生层次的机器学习教材新版，专注于算法的分析与理论探讨。

本书作为机器学习领域的通用入门读物，既可作为研究生的教材，也是研究人员的参考宝典。它涵盖了机器学习中的基础现代议题，为算法的讨论与合理性论证提供了必要的理论基础和概念工具，并详细描述了这些算法应用的几个关键方面。作者旨在呈现新颖的理论工具与概念，即便对于相对高级的主题，也给出了简洁明了的证明。

《机器学习基础》的独特之处在于其对算法分析与理论的深入聚焦。前四章为后续内容奠定了坚实的理论基础，后续章节则大多自成体系。涵盖的主题包括可能近似正确（PAC）学习框架；基于Rademacher复杂度和VC维的泛化界；支持向量机（SVMs）；核方法；提升算法；在线学习；多类分类；排序；回归；算法稳定性；降维；学习自动机与语言；以及强化学习。每章末尾均附有一系列练习题。附录部分提供了额外材料，包括简明的概率论复习。

本第二版新增了三章内容，分别涉及模型选择、最大熵模型以及条件熵模型。附录中的新材料则包括了对Fenchel对偶性的深入探讨、对集中不等式的扩展覆盖，以及信息论方面的全新内容。此外，超过一半的练习题均为本版新增。

02 作者简介

Mehryar Mohri 是纽约大学库朗数学科学研究所的计算机科学教授，同时也是谷歌的研究员。他成长于法国巴黎，毕业于巴黎综合理工学院，并于 1989 年在巴黎高等师范学院获得数学与计算机科学硕士学位，1993 年在巴黎狄德罗大学获得计算机科学博士学位。他在 AT&T 贝尔实验室（或 AT&T 实验室-研究部门）工作了十年，期间曾担任部门主管和技术领导。他的主要研究领域包括机器学习、文本与语音处理、理论与算法以及计算生物学。