钥匙书 Key-book

周志华、王魏、高尉、张利军等老师所著的《机器学习理论导引》一书（下称《导引》），填补了国内缺少机器学习理论入门著作的遗憾。该书试图以通俗易懂的语言，为有志于学习机器学习理论和研究机器学习理论的读者提供一个入门的导引。《导引》主要涵盖七个部分，分别对应机器学习理论中的七个重要概念或理论工具，即：可学性、（假设空间）复杂度、泛化界、稳定性、一致性、收敛率、遗憾界。

《导引》是一本理论性较强的书籍，涉及大量的数学定理和各种证明。尽管撰写团队已尽可能降低了难度，但由于机器学习理论学习本身的特性，该书仍然对读者的数学背景提出了较高的要求。这难免会导致不求甚解的情形，影响学习效果；另一方面，由于篇幅所限，该书写作较为精炼，并非在各个章节都给出示例。读者每每遇到晦涩抽象之处，难免冥思苦索。

基于此两点，我们决定尝试编辑《钥匙书》这一参考笔记，来对《导引》一书作一些浅陋且皮毛的注脚。这既是着眼于那些阅读《导引》时遇到困难的读者，助其更快地走出迷雾；亦是对学习《导引》一书之过程的最好记录。

使用说明

《钥匙书》的补充性工作，主要包括四个方面：

（1）证明补充：对部分证明的证明思路进行解释，对部分省略的证明过程进行补充。

（2）案例补充：增加解释案例，帮助读者理解。

（3）概念补充：介绍部分文中涉及、但未阐释的概念。

（4）参考文献讲解：对部分重要的参考文献进行介绍。

此外，由于《导引》一书的第一章节为基础知识补遗，简明易懂，因此《钥匙书》的内容从《导引》的第二章开始。

在线阅读（内容实时更新）

https://datawhalechina.github.io/key-book/

Github地址

https://github.com/datawhalechina/key-book

最新版PDF获取地址

https://github.com/datawhalechina/key-book/releases

目录

• 第0章 绪论
• 第1章 预备知识
• 第2章 可学性
• 第3章 复杂度
• 第4章 泛化界
• 第5章 稳定性
• 第6章 一致性
• 第7章 收敛率
• 第8章 遗憾界

选用的《机器学习理论导引》版本

版次：2020年6月第1版

编委会

关注我们

扫描下方二维码，或关注公众号「Datawhale」，然后回复关键词“钥匙书”，即可加入“钥匙书读者交流群”

或者加入QQ群：704768061

相关工作

周志华老师所著《机器学习》（西瓜书）是机器学习领域的经典入门教材之一。

Datawhale 开源组织 亦在其基础上进行了解读和补充。

请参考「南瓜书」项目，在线阅读地址：https://datawhalechina.github.io/pumpkin-book

LICENSE

本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。