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，難度梯度設定更為合理，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，每一章都是乾貨滿滿。整體目錄如下：
- 第一章 介紹
-
第二章 機率分佈
-
第三章 線性迴歸模型
-
第四章 線性分類模型
-
第五章 神經網路
-
第六章 核心方法
-
第七章 稀疏核心機器
-
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 取樣方法
-
第十二章 連續潛在變數
-
第十三章 順序資料
-
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、程式碼、NoteBooks 等。
GitHub 開源地址：
該專案的作者是一位墨西哥的小哥 Gerardo Durán Martín，他是 Analysic Nabla 的執行合夥人。
該 GitHub 專案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，也包含了程式碼實操，圖文並茂。
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，介紹貝葉斯機率（Bayesian Probability），它是由貝葉斯理論所提供的一種對機率的解釋，它採用將機率定義為某人對一個命題信任的程度的概念。
理論公式：
程式碼實現：
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：
Python 程式碼：
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、程式碼、NoteBooks 對你有所幫助！
最後，再放上該 GitHub 專案的地址：
本文首發於公眾號：AI有道（ID: redstonewill），歡迎關注！
