微軟劍橋研究院實驗室主任 Christopher Bishop 的經典著作《Pattern Recognition and Machine Learning》，中文譯名《模式識別與機器學習》，簡稱 PRML，深受廣大機器學習愛好者好評！

在豆瓣上，這本書也是收到了 9.5 的高分！

《模式識別與機器學習》涵蓋面十分廣泛，語言通俗，例子和習題更加詳細，附帶更多基礎性的講解和指引，難度梯度設置更為合理，是其深受廣大中老年 PHD 朋友喜愛的原因。

《模式識別與機器學習》內容十分豐富，共有 14 章的內容，每一章都是干貨滿滿。整體目錄如下：

• 第一章 介紹?

• 第二章 概率分布

• 第三章 線性回歸模型

• 第四章 線性分類模型

• 第五章 神經網絡

• 第六章 內核方法

• 第七章 稀疏內核機器

• 第八章 圖形模型

• 第九章 混合模型和EM

• 第十章 近似推斷

• 第十一章 采樣方法

• 第十二章 連續潛在變量

• 第十三章 順序數據

• 第十四章 組合模型

內容雖好，但是這本書包含了矩陣分析、矩陣計算等理論數學知識，光啃書本比較晦澀難懂，令人頭大~

今天給大家推薦一個不錯的資源，包含了《模式識別與機器學習(PRML)》的筆記、代碼、NoteBooks 等。

GitHub 開源地址：

https://github.com/gerdm/prml

該項目的作者是一位墨西哥的小哥 Gerardo Durán Martín，他是 Analysic Nabla 的執行合伙人。

該 GitHub 項目將每一章的內容知識點以 .ipynb 筆記本形式進行總結和歸納。既包含了理論知識點推導，也包含了代碼實操，圖文并茂。

完整目錄如下：

每一章節都包含了各個核心知識點的講解，例如第一章，介紹貝葉斯概率（Bayesian Probability），它是由貝葉斯理論所提供的一種對概率的解釋，它采用將概率定義為某人對一個命題信任的程度的概念。

理論公式：

代碼實現：

每章除了知識點介紹之外，還有詳細的習題答案解析。例如第一章，習題 1.18：

除此之外，紅色石頭也整理了這本《模式識別與機器學習》比較完整的附加資源：

書籍官網：

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 代碼：

https://github.com/ctgk/PRML

工欲善其事必先利其器，希望這份《模式識別與機器學習(PRML)》筆記、代碼、NoteBooks 對你有所幫助！

最后，再放上該 GitHub 項目的地址：

https://github.com/gerdm/prml

---

推薦閱讀

（點擊標題可跳轉閱讀）

干貨 | 公眾號歷史文章精選

我的深度學習入門路線

我的機器學習入門路線圖

重磅！

AI有道年度技術文章電子版PDF來啦！

掃描下方二維碼，添加?AI有道小助手微信，可申請入群，并獲得2020完整技術文章合集PDF（一定要備注：入群?+ 地點 + 學校/公司。例如：入群+上海+復旦。?

長按掃碼，申請入群

（添加人數較多，請耐心等待）

感謝你的分享，點贊，在看三連↓

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的开源！《模式识别与机器学习(PRML)》笔记、代码、NoteBooks 发布的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。