本书由南京大学机器学习理论研究团队的四位学合著，第一作者为南京大学计算机系主任、人工智能学院院长周志华教授。全书力图为有志于机器学习理论学习和研究的读者提供一个入门导引。作者梳理出机器学习理论中的七个重要概念或理论工具, 即: 可学习性、(假设空间)复杂度、泛化界、稳定性、一致性、收敛率、遗憾界。每章聚焦其中一种理论工具, 除介绍基本概念外, 还给出若干分析实例, 如显示出不同理论工具如何应用于支持向量机这种常见机器学习技术。读者今后对具体机器学习问题或技术进行分析时, 可根据条件选择适用的工具。