从某种意义上说，这是我从math.stackexchange 发表的一篇文章，我觉得这个网站可能会提供广泛的受众。
我正在寻找机器学习的数学介绍。特别是可以找到的很多文献相对不精确，很多页面都没有任何内容。
但是，从这些文献开始，我发现了Andrew Ng 的Coursera课程，Bishop 关于模式识别的书，最后是 Smola 的书。不幸的是，斯莫拉的书只是草稿状态。在 Smola 的书中甚至可以找到证据，这对我很有吸引力。毕晓普的书已经相当不错了，但缺少了一定的严谨性。
简而言之：我正在寻找一本像 Smola 的书，即尽可能精确和严谨，并使用数学背景（虽然简短的介绍当然可以）。
有什么建议吗？
我会推荐Elements of Statistical Learning（免费 PDF 文件）。它有足够的数学知识和对所有相关技术的良好介绍 - 以及对这些技术为何有效（以及何时无效）的一些见解。
还介绍了统计学习（更实用 - 如何在R中进行）。它有一个运行统计学习的课程；您可能会在 YouTube 上找到讲座（以及免费的 PDF）。
对于您所描述的内容，我强烈推荐 Mohri 等人的“机器学习基础”。这是一本本科生教材，但它是为真正优秀的本科生准备的。它是可读的，它是我找到我称之为机器学习的数学定义（pac 和弱 pac）的唯一地方。仅出于这个原因就值得一读。我也有数学博士学位。我熟悉并喜欢上面提到的许多书籍。我特别喜欢 ESL，因为它涵盖了广泛的技术和想法，但它是一本包含大量数学内容的统计书籍。
我建议了解机器学习： Shai Shalev-Shwartz 的从理论到算法。我承认我只阅读了其中的一小部分，但我立即注意到作者处理每个问题和讨论的严谨性。