本书主要介绍机器学习的数学基础，既包括机器学习理论分析所需要的多空间、矩阵论、微积分、概率论、最优化、博弈论、决策论、信息论、不等式等经典数学工具知识，也包括机器学习理论分析所涉及的基本概念与符号、时间复杂度、样本复杂度、梯度下降算法的多变体、函数选择的原则、算法的稳定性、空间整体复杂度、泛化界一致估计、分层学习的高效算法等内容的简要介绍.本书内容严谨、结构规范，可作为人工智能、计算机科学与技术、软件工程、应用数学、数据科学与大数据等学科研究生的基础教材.