免费书《机器学习导论》：由Laurent Younes撰写，涵盖机器学习算法的数学基础和分析技术，包括统计预测、核理论、Hilbert空间技术、监督学习算法、生成方法、图形模型、变分方法、深度生成模型、无监督学习方法以及集中不等式和泛化界限。
本书介绍了导致机器学习中使用的许多算法的开发和分析的数学基础和技术。它以描述全书使用的符号的介绍性章节开始，提醒人们微积分、线性代数和概率的基本概念，还介绍了一些度量理论术语，可以用作使用这些工具的部分的阅读指南。介绍性章节还提供了矩阵分析和优化的背景材料。后一章为书中使用的许多算法提供了理论支持，包括随机梯度下降、近端方法等。在讨论了统计预测的基本概念之后，本书包括对再现核理论和希尔伯特空间技术的介绍，这些技术在许多地方都有使用，然后讨论了监督统计学习的各种算法的描述，包括线性方法、支持向量机、决策树、提升或神经网络。然后主题切换到生成方法，从介绍抽样方法和介绍马尔可夫链理论的一章开始。接下来的一章描述了图形模型的理论，介绍了具有潜在变量的模型的变分方法，以及基于深度学习的生成模型。接下来的章节侧重于无监督学习方法，用于聚类、因子分析和流形学习。本书的最后一章以理论为导向，讨论了浓度不等式和泛化界限。
【获取地址】
全新 LaTeX 知识库，入门资料，免费知识代码：
https://www.latexstudio.net/LearnLaTeX/
精心制作免费视频教程：
https://space.bilibili.com/209746320
