【干货】机器学习经典书PRML 最新 Python 3 代码实现，附最全 PRML 笔记视频学习资料..._深度学习技术前沿的博客

《Pattern Recognition and Machine Learning》（PRML） by Bishop

http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf

勘误：
- https://www.microsoft.com/en-us/research/wp-content/uploads/2016/05/prml-errata-3rd-20110921.pdf
习题答案
- https://www.microsoft.com/en-us/research/wp-content/uploads/2016/05/prml-web-sol-2009-09-08.pdf
Christopher Bishop 微软剑桥研究院院长个人主页
- https://www.microsoft.com/en-us/research/people/cmbishop/
部分章节PPT
- https://www.microsoft.com/en-us/research/wp-content/uploads/2016/05/prml-slides-1.pdf
- https://www.microsoft.com/en-us/research/wp-content/uploads/2016/05/prml-slides-2.pdf
- https://www.microsoft.com/en-us/research/wp-content/uploads/2016/05/prml-slides-3.pdf
- https://www.microsoft.com/en-us/research/wp-content/uploads/2016/05/prml-slides-4.pdf
Bishop 新书《Model Based Machine Learning》
1. PRML大神、微软剑桥研究院院长Chris Bishop与John Winn的机器学习新书。最入门级别的机器学习图书，全书从实际案例开始讲，数学公式很少，非常适合当做读PRML之前的入门。
2. http://www.mbmlbook.com/
1. Matlab实现
- http://prml.github.io/
Python
- https://github.com/ctgk/PRML
1. 布朗大学 CSCI1420 《机器学习》主要参考用书采用了PRML，内容安排也和PRML一致，共23课。
- http://cs.brown.edu/courses/csci1420/
PRML笔记
1. Jian Xiao《Notes on Pattern Recognition and Machine Learning (Bishop)》
- http://pan.baidu.com/s/1c2i19PA
田渊栋《Some notes on Pattern Recognition and Machine Learning》
- http://www.yuandong-tian.com/notesOnPRML.pdf
ChillyRain的"PRML Notes"系列博文
- http://chillyrain.is-programmer.com/categories/7613/posts
Bishop’s PRML book: review and insights, chapters 1–3
- https://techburst.io/bishops-prml-book-review-and-insights-chapters-1-3-528bb5cfaade
PRML读书会
- http://www.52nlp.cn/category/pattern-recognition-and-machine-learning-2
- http://www.52nlp.cn/prml读书会前言
- PDF PRML读书会合集打印版 http://pan.baidu.com/s/1nvBpvBz
重磅！ 深度学习技术前沿 - 微信群 已成立

扫码添加 群助手 ， 可申请加入 深度学习技术前沿 微信 群，旨在交流深度学习方面的学习、科研、工程项目等内容，并且还会在群中分享求职内推资料。 后续还会根据大家的研究方向细分技术交流群。

一定要备注： 研究方向+ 学校/公司 + 姓名 （如图像分割+浙大+李四） ，按照格式备注，可更快被通过且邀请进群。

???? 长按识别，即可加群

???? 更多精彩内容， 长按识别，即可关注
关注上方“深度学习技术前沿”，选择“星标公众号”，资源干货，第一时间送达！将 Bishop 大神的 PRML 称为机器学习圣经一点也不为过，该书系统地介绍了模式识别和机器学习领域内详细的...
机器学习 实战的配套源代码，按照图书的章节提供。 This is the source code to go with "Machine Learning in Action" by Peter Harrington published by Manning Inc. The official page for this book can be found here: http://manning.com/pharrington/ All the code examples were working on Python 2.6, there shouldn't be any problems with the 2.7. NumPy will be needed for most examples. If you have trouble running any of the examples us know on the Forum for this book: http://www.manning-sandbox.com/forum.jspa?forumID=728. If you want to run these on some other version of Python say--3.0 or Iron Python , feel free to fork the code.

笔者最近在学习 Bishop 的 PRML ，由于本书十分的经典，因此准备好好研读，将其中理解的部分写成博客，加深印象和理解。同时在学习的过程中自身也遇到了很多数学上的问题，希望能和各位大佬们相互交流首先要介绍的就是概率论中贝叶斯定理的推导。大家都知道贝叶斯定理就是但是贝叶斯定理是怎么来的呢？ PRML 里有着贝叶斯定理的推理过程。我们先看图1，这张图是两个随机变量X和Y的情况，其中X可以取值...
首先介绍了PR是起源自engineering，ML起源于CS，其实是一个领域的不同方面而已。整篇要使用的了3大工具：probability theory, decision theory, and information theory。 1，probability theory Probability theory
PRML 全书概览 PRML 全称Pattern Recognition and Machine Learning，个人认为这是 机器学习 领域中最好的书籍之一，全书的风格非常Bayesian，作者试图在贝叶斯框架下解释每一种 机器学习 模型。阅读起来有一定难度，不适合作为 机器学习 入门教材。然而这本书提供的贝叶斯视角有助于我们更为立体全面理解一些经典模型。全书分为十四个章节，这里我尽可能简要概述每个章节的主...

转自知乎：http://www.zhihu.com/question/20970802，作者杨超本书是经典中的经典我完整看了3遍以上要算上没看完的几次得有快10遍（剖析自己，没有一本是认真看完的）是的前几次我都是看的半途而废另外我也看过数本相关领域的大而全的书：如统计学习基础啊，kevin 最新的那本啊，还有koller的以及jordan的图模型，以及以kernel为线索的
PRML （Pattern Recognition and Machine Learning） MLAPP （Machine Learning）副标题：A Probabilistic Perspective ESL (The Elements of Statistical Learning) 书籍资源获取方式：关注微信号：读书舍后台回复： A1 第六章内核方法：双重表征、构造内核、径向基函数网络、高斯过程第七章稀疏内核机器：最大边距分类器、相关向量机第八章图形模型：贝叶斯网络、条件独立、马尔科夫随机场、图形模型中的推理第九章混合模型和EM：K-means聚类、高斯混合、EM算法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 ESL、 PRML 和MLAPP这三个缩写都与 机器学习 （Machine Learning）有关。 ESL是指《统计学习基础》（The Elements of Statistical Learning）一书，该书由斯坦福大学的教授和学者共同编写，被认为是 机器学习 领域的经典著作之一。该书介绍了各种统计学习方法，涵盖了监督学习、无监督学习以及半监督学习等多个方面。 PRML 则是指《模式识别与 机器学习 》（Pattern Recognition and Machine Learning）一书，由 机器学习 领域的知名学者Christopher M. Bishop 所著。该书全面介绍了 机器学习 中的各种方法和技术，包括基础的概率论知识、决策树、神经网络、支持向量机等高级算法。最后，MLAPP则是指《 机器学习 ：一种概率建模方法》（Machine Learning: A Probabilistic Perspective），该书由 机器学习 领域的知名学者Kevin P. Murphy所著。该书介绍了基于概率模型的 机器学习 方法，讲解了从贝叶斯定理、矩阵分解、隐马尔可夫模型（HMM）到高斯混合模型（GMM）、因子分析等多个方面的知识。总之，这三本书都是 机器学习 领域的重要参考书籍，对于学习和研究 机器学习 技术的人来说，都是不可或缺的参考资料。 ### 回答2： ESL、 PRML 和MLAPP都是 机器学习 领域常用的教材。ESL是The Elements of Statistical Learning的缩写，由Trevor Hastie、Robert Tibshirani和Jerome Friedman合著，首次出版于2001年。这本书是统计学家写给计算机科学家的 机器学习 经典入门教材。 PRML 是Pattern Recognition and Machine Learning的缩写，由Christopher Bishop 撰写，于2006年首次出版。 PRML 的内容分为二部分：模式识别和 机器学习 ，全书通过实例详细介绍了许多概念与算法的实现和优化。 MLAPP是Machine Learning: A Probabilistic Perspective 的缩写，由Kevin Murphy所写，于2012年首次出版。与之前两本书不同的是，MLAPP将概率论贯穿了整本书，采用了广泛的实例和实际应用，是一本现代化的、重视概率与贝叶斯方法的 机器学习 教材。综合来看，ESL、 PRML 和MLAPP都是非常优秀的 机器学习 教材，它们都对 机器学习 的基本概念和算法有深入的阐述和介绍，并可供初学者、中级者以及专业从业者参考使用。需要根据自己的需要和背景去选择使用哪一本教材。

《Pattern Recognition and Machine Learning》（PRML） by Bishop

Bishop 新书《Model Based Machine Learning》

PRML笔记