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《模式識别與機器學習》,簡稱 PRML,深受廣大機器學習愛好者好評!
![](https://img.laitimes.com/img/__Qf2AjLwojIjJCLyojI0JCLicmbw5iZwIGOygDZhVzY0cDZ0MWO2YTY0cjZwY2MhdTOyIzN38CX5d2bs92Yl1iclB3bsVmdlR2LcNWaw9CXt92Yu4GZjlGbh5yYjV3Lc9CX6MHc0RHaiojIsJye.png)
《模式識别與機器學習》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。
《模式識别與機器學習》内容十分豐富,共有 14 章的内容,每一章都是幹貨滿滿。整體目錄如下:
- 第一章 介紹
- 第二章 機率分布
- 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 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 采樣方法
- 第十二章 連續潛在變量
- 第十三章 順序資料
- 第十四章 組合模型
内容雖好,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《模式識别與機器學習(PRML)》的筆記、代碼、NoteBooks 等。
GitHub 開源位址:
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 的執行合夥人。
該 GitHub 項目将每一章的内容知識點以 .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,它采用将機率定義為某人對一個命題信任的程度的概念。
理論公式:
代碼實作:
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《模式識别與機器學習》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.pdfPython 代碼:
https://github.com/ctgk/PRML工欲善其事必先利其器,希望這份《模式識别與機器學習(PRML)》筆記、代碼、NoteBooks 對你有所幫助!
最後,再放上該 GitHub 項目的位址: