本书深入浅出地介绍了目前机器学习领域中重要的理论和关键的算法, 涵盖机器学习的前沿内容, 同时提供讨论和证明算法所需的理论基础与概念, 并且指出了这些算法在实际应用中的关键点, 旨在通过对一些基本问题乃至前沿问题的精确证明, 为读者提供新的理念和理论工具。本书注重对算法的分析和理论的关注, 涉及的内容包括概率近似正确 (PAC) 学习框架、基于Rademacher复杂度和VC-维的泛化界、支持向量机 (SVM)、核方法、boosting、在线学习、多分类、排序、回归、算法稳定性、降维、学习自动机和语言及强化学习。