本書主要介紹統(tǒng)計機器學(xué)習(xí)框架，該框架以基于機器學(xué)習(xí)算法獲得真實數(shù)據(jù)生成過程(DGP)概率分布的最佳近似為前提。統(tǒng)計機器學(xué)習(xí)框架由一組核心定理支撐，能夠用來分析許多常見機器學(xué)習(xí)算法對DGP的漸近性。書中通過相關(guān)機器學(xué)習(xí)案例幫助學(xué)生理解框架中的核心定理。具體來說，本書分為四部分：第一部分通過實例介紹了機器學(xué)習(xí)算法概念和描述算法的數(shù)學(xué)工具；第二部分討論了確定性學(xué)習(xí)機的漸近行為；第三部分討論了隨機推理機和隨機學(xué)習(xí)機的漸近行為；第四部分關(guān)注的是機器學(xué)習(xí)算法的泛化性能表征問題。