本书主要介绍一种机器学习算法——提升法,主要关注其基础理论和算法,也兼顾了应用。全书共14章,分为4个部分。首先给出机器学习算法及其分析的概要介绍,然后第一部分重点探究了提升法的核心理论及其泛化能力。第二部分主要介绍了有助于理解和解释提升法的其他理论,包括基于博弈论的解释、贪心算法、迭代投射算法,并与信息几何学和凸优化建立了联系。第三部分主要介绍利用基于置信度的弱预测的AdaBoost算法的实用扩展,并用于解决多类别分类问题和排序问题。第四部分讨论了高级理论话题,包括AdaBoost算法、**提升法和连续时间下的提升法之间的统计一致性。附录部分介绍了所需高级的数学概念。本书适合对提升法感兴趣的读者,本书每章都附有练习,因此也适用于高等院校相关课程的教学。