《機器學習的數(shù)學理論》重點研究機器學習的數(shù)學理論。第一部分探討了在非凸優(yōu)化問題中,選擇梯度下降步長來避免嚴z格鞍點的自適應性。第二部分提出了在非凸優(yōu)化中尋找局部極小值的算法,并利用牛頓第二定律在一定程度上得到無摩擦的全局極小值。第三部分研究了含有噪聲和缺失數(shù)據(jù)的子空間聚類問題,這是一個由隨機高斯噪聲的實際應用數(shù)據(jù)和含有均勻缺失項的不完全數(shù)據(jù)激發(fā)的問題;還提出了一種新的具有粘性網正則化的VAR模型及其等價貝葉斯模型,該模型既考慮了穩(wěn)定的稀疏性,又考慮了群體選擇?!稒C器學習的數(shù)學理論》可作為本科生或研究生的入門教材。對于希望進一步加強對機器學習的理解的教授、行業(yè)專家和獨立研究人員來說,該書也是好的選擇。