待验证50% 置信事实精确时间

《Foundations of Machine Learning》由 Mohri 等人编写，偏向学习理论，涵盖 PAC 学习、VC 维、泛化边界和核方法的理论保证

1

来源数

50%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

机器学习数学书单：从概率统计到深度学习的进阶阅读路线

涉及实体

Foundations of Machine Learningproduct Mohriperson

相关事实

待验证吴恩达于2011年在斯坦福大学开设的免费机器学习课程被视为MOOC运动的催化剂之一，直接促成了Coursera的诞生67% 相似待验证SVM 的理论根基是 Vapnik 与 Chervonenkis 共同建立的 VC 理论，从泛化误差界的角度为机器学习提供数学框架67% 相似待验证机器学习的两大支柱是编程能力和数学基础66% 相似已验证Andrew Ng 的机器学习课程在 Coursera 上提供，适合建立理论框架65% 相似待验证吴恩达机器学习课程覆盖线性回归、逻辑回归、神经网络、决策树等基础模型65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/913725

API

curl https://kongchang.com/api/v1/knowledge/claims/913725

MCP

get_claim(id=913725)