本书从概率近似正确（PAC）理论出发探讨机器学习的基础理论与典型算法，包括PAC学习框架、VC－维、支持向量机、核方法、在线学习、多分类、排序、回归、降维、强化学习等内容。此外，附录部分简要回顾了与机器学习密切相关的概率论、凸优化、矩阵以及范数等必要的预备知识。并列题名：Foundations of machine learning eng