Understanding Machine Learning: From Theory to Algorithms

Understanding Machine Learning: From Theory to Algorithms》是 2014 年由剑桥大学出版社出版，以色列希伯来大学 Shai Shalev-Shwartz 与加拿大滑铁卢大学 Shai Ben-David 联合撰写的经典机器学习教材。

全书以严谨且易懂的方式，搭建了从理论到算法的完整知识体系，既涵盖 PAC 学习、VC 维、偏差 – 复杂度权衡等核心理论，也详解了线性预测器、Boosting、支持向量机、神经网络等关键算法，还涉及随机梯度下降、核方法、聚类等实用技术。其特色在于将数学推导与实际应用紧密结合，既为读者奠定扎实的理论基础，又提供可落地的算法范式。

书籍分为四部分，分别聚焦基础理论、算法实现、拓展学习模型及高级理论，结构清晰且层层递进。它适用于高等本科或研究生课程，也能满足计算机科学、数学、统计、工程等领域研究者的需求，既适合作为入门进阶的系统教材，也可作为相关领域从业者的理论参考手册。