―アルゴリズムの理論と解析に焦点を当てた、機械学習のテキストブック、待望の改訂第2版―

機械学習の基礎　第2版は、大学院生向けのテキストブックおよび研究者のためのレファレンスとして役立つ、機械学習に関する一般的な入門書です。機械学習における基本的で最新のトピックを紹介し、さらにアルゴリズムの議論および正当化に必要な理論的基礎と概念的なツールを提供します。また、これらのアルゴリズムの応用に関するいくつかの重要な側面についても説明します。著者は、比較的高度なトピックについても簡潔な証明を与えながら、新しい理論的ツールと概念を提示することを目指しています。

本書は、アルゴリズムの解析と理論に焦点を合わせている点でユニークです。最初の4つの章は、あとの章の理論的基礎を学習するために設けられており、5章目以降は大部分が自己完結型の章として成り立っています。取り上げられているトピックには、PAC学習フレームワーク、 ラーデマッヘル複雑度やVC次元に基づく汎化境界、サポートベクトルマシン（SVM）、カーネル法、ブースティング、オンライン学習、多クラス分類、ランキング、回帰、アルゴリズムの安定性、次元削減、学習オートマトンと言語、強化学習、といったものがあります。
新版では、モデル選択、最大エントロピーモデル、条件付きエントロピーモデルの3つの新しい章が追加されています。
各章末には演習問題が付いており、その半数以上はこの第2版で初めて収録された演習です。付録には、簡潔な確率論の復習を含む追加の資料も提供されています。
また、付録の新しい資料には、フェンシェルの双対性に関する主要なセクション、集中不平等式の拡げられた範囲、および情報理論に関する全く新しい項目が含まれています。