微软剑桥研究院实验室主任 Christopher Bishop 的经典著作《Pattern Recognition and Machine Learning》，中文译名《模式识别与机器学习》，简称 PRML，深受广大机器学习爱好者好评！

在豆瓣上，这本书也是收到了 9.5 的高分！

《模式识别与机器学习》涵盖面十分广泛，语言通俗，例子和习题更加详细，附带更多基础性的讲解和指引，难度梯度设置更为合理，是其深受广大中老年 PHD 朋友喜爱的原因。

《模式识别与机器学习》内容十分丰富，共有 14 章的内容，每一章都是干货满满。整体目录如下：

• 第一章 介绍 

• 第二章 概率分布

• 第三章 线性回归模型

• 第四章 线性分类模型

• 第五章 神经网络

• 第六章 内核方法

• 第七章 稀疏内核机器

• 第八章 图形模型

• 第九章 混合模型和EM

• 第十章 近似推断

• 第十一章 采样方法

• 第十二章 连续潜在变量

• 第十三章 顺序数据

• 第十四章 组合模型

内容虽好，但是这本书包含了矩阵分析、矩阵计算等理论数学知识，光啃书本比较晦涩难懂，令人头大~

今天给大家推荐一个不错的资源，包含了《模式识别与机器学习(PRML)》的笔记、代码、NoteBooks 等。

GitHub 开源地址：

https://github.com/gerdm/prml

该项目的作者是一位墨西哥的小哥 Gerardo Durán Martín，他是 Analysic Nabla 的执行合伙人。

该 GitHub 项目将每一章的内容知识点以 .ipynb 笔记本形式进行总结和归纳。既包含了理论知识点推导，也包含了代码实操，图文并茂。

完整目录如下：

每一章节都包含了各个核心知识点的讲解，例如第一章，介绍贝叶斯概率（Bayesian Probability），它是由贝叶斯理论所提供的一种对概率的解释，它采用将概率定义为某人对一个命题信任的程度的概念。

理论公式：

代码实现：

每章除了知识点介绍之外，还有详细的习题答案解析。例如第一章，习题 1.18：

除此之外，红色石头也整理了这本《模式识别与机器学习》比较完整的附加资源：

书籍官网：

https://www.microsoft.com/en-us/research/people/cmbishop/#!prml-book

完整 pdf：

https://www.microsoft.com/en-us/research/uploads/prod/2006/01/Bishop-Pattern-Recognition-and-Machine-Learning-2006.pdf

Python 代码：

https://github.com/ctgk/PRML

工欲善其事必先利其器，希望这份《模式识别与机器学习(PRML)》笔记、代码、NoteBooks 对你有所帮助！

最后，再放上该 GitHub 项目的地址：

https://github.com/gerdm/prml

---

推荐阅读

（点击标题可跳转阅读）

干货 | 公众号历史文章精选

我的深度学习入门路线

我的机器学习入门路线图

重磅！

AI有道年度技术文章电子版PDF来啦！

扫描下方二维码，添加 AI有道小助手微信，可申请入群，并获得2020完整技术文章合集PDF（一定要备注：入群 + 地点 + 学校/公司。例如：入群+上海+复旦。 

长按扫码，申请入群

（添加人数较多，请耐心等待）

感谢你的分享，点赞，在看三连↓