●前言
主要符號表
第1章預備知識
1.1函數的性質
1.2重要不等式
1.3很優化基礎
1.4支持向量機
1.5理論的作用
1.6閱讀材料
習題
參考文獻
第2章可學性
2.1基本概念
2.2PAC學習
2.3分析實例
2.4閱讀材料
習題
參考文獻
第3章復雜度
3.1數據分布無關
3.2數據分布相關
3.3分析實例
3.4閱讀材料
習題
參考文獻
第4章泛化界
4.1泛化誤差上界
4.2泛化誤差下界
4.3分析實例
4.4閱讀材料
習題
參考文獻
第5章穩定性
5.1基本概念
5.2重要性質
5.3分析實例
5.4閱讀材料
習題
參考文獻
第6章一致性
6.1基本概念
6.2替代函數
6.3劃分機制
6.4分析實例
6.5閱讀材料
習題
參考文獻
第7章收斂率
7.1基本概念
7.2確定優化
7.3隨機優化
7.4分析實例
7.5閱讀材料
習題
參考文獻
第8章遺憾界
8.1基本概念
8.2接近信息在線學習
8.3 在線學習
8.4分析實例
8.5閱讀材料
習題
參考文獻
索引

本書旨在為有志於機器學習理論學習和研究的讀者提供一個入門導引。在預備知識之後，全書各章分別聚焦於：可學性、（假設空間）復雜度、泛化界、穩定性、一致性、收斂率、遺憾界。除介紹基本概念外，還給出若干分析實例，如顯示如何將不同理論工具應用於支持向量機這種常見機器學習技術。本書可作為高等院校人工智能、計算機、自動化等相關專業機器學習理論課程的教材，也可供對機器學習理論感興趣的研究人員閱讀參考。