【全面总结】机器学习经典书 PRML 相关资料全面总结：中文译本，官方代码，课程视频，学习笔记等等

编者按：PRML是公认的经典机器学习教材，官方已经在去年将这本书英文版开放下载：《模式识别与机器学习(PRML)》正式开放免费下载 。2014年哈工大马春鹏博士利用业余时间翻译过这本书，之后这本中译本广为流传。另外在2015年，微博上的一群同学组织了PRML的读书会，读书会的相关笔记也发布在了“我爱自然语言处理”的博客上：http://www.52nlp.cn/author/prml 。原计划将这些资料一并整理，后来发现AIQ社区的这篇文章总结的非常全面，已经无需我写什么了，所以转载至此，文末留有原文链接。如果你需要这些资料，也可以关注以下公众号并回复“PRML”获取相关资料链接：

---

今天给大家推荐一本机器学习、深度学习的人都应该听说过一本经典教材：《Pattern Recognition and Machine Learning》，中文译名《模式识别与机器学习》，简称 PRML。出自微软剑桥研究院实验室主任 Christopher Bishop 大神之手。对，就是豆瓣评分 9.5 的这本书。可能之前你看过其他公众号有分享过，不过不要着急，本推文更全面总结了关于《Pattern Recognition and Machine Learning》的相关学习资料，你想要的和你没有想到你想要的，这里都有。python 代码，官方 matlab 代码，中文译文，课后答案，PPT，对应大学视频，学习笔记，小编都汇总了一下，不管怎么样，我自己先收藏了一下~

毫不夸张地说，PRML 当之无愧算得上是 AI 领域的圣经了。PRML 涵盖面广，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。

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概念与基础。书中有对概率论基础知识的介绍，也有高阶的线性代数和多元微积分的内容，适合高校的研究生以及人工智能相关的从业人员学习。

PRML 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

另外，知乎上关于这个关于“PRML 为何是机器学习的经典书籍中的经典？”的高赞回答或许会给大家一些启发：

Luau Lawrence 的回答：

https://www.zhihu.com/question/35992297/answer/67009652

最近 GitHub 上网友 ctgk 更新公布了 Python3 实现的经典机器学习图书《Pattern Recognition and Machine Learning》中的代码。在它之前曾有过 Matlab 版本，而新公布的版本采用机器学习领域最流行的 python 代码实现，比较符合大家的使用习惯。最重要的是代码以 Jupyter notebook 形式呈现，可视化结果非常适合边看书边调试代码。

MLPR python 代码链接：

https://github.com/ctgk/PRML

除此之外，官方也发布了对应的 Matlab 版本的代码：

https://github.com/PRML/PRMLT

**▌**PRML 书籍

• 本文地址：https://www.6aiq.com/article/1584520876427

• 本文版权归作者和AIQ共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出

---

---

PRML 是模式识别和机器学习领域的经典著作，出版于 2007 年。该书作者 Christpher M. Bishop 是模式识别和机器学习领域的大家，其 1995 年所著的“Nerual Networks for Pattern Recognition”也是模式识别、人工神经网络领域的经典著作。

PRML 深入浅出地介绍了模式识别与机器学习的基本理论和主要方法，同时还涵盖了模式识别与机器学习领域的一些最新进展，不仅适合初学者学习，而且对专业研究人员也有很大的参考价值。

目录（对应中文译本）

1. 导论

2. 概率分布

3. 线性回归模型

4. 线性分类模型

5. 神经网络

6. 核方法

7. 讲 SVM 。

8. 现代基于图模型

9. EM 算法

10. 近似推断

11. 采样

12. PCA 及一些改进

13. HMM 模型和 LDS

14. 集成方法

**▌**PRML 笔记视频学习资料荟萃（敲黑板，该划重点了）

---

---

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

1. 原版图书

• http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop+-+Pattern+Recognition+And+Machine+Learning+-+Springer++2006.pdf

3. 勘误：

• https://www.microsoft.com/en-us/research/wp-content/uploads/2016/05/prml-errata-3rd-20110921.pdf

5. 习题答案

• https://www.microsoft.com/en-us/research/wp-content/uploads/2016/05/prml-web-sol-2009-09-08.pdf

7. Christopher Bishop 微软剑桥研究院院长 个人主页

• https://www.microsoft.com/en-us/research/people/cmbishop/

9. 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/

代码

1. Matlab 实现

• http://prml.github.io/

3. Python

• https://github.com/ctgk/PRML

视频

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)》

2. 田渊栋《Some notes on Pattern Recognition and Machine Learning》

• http://www.yuandong-tian.com/notesOnPRML.pdf

4. ChillyRain 的"PRML Notes"系列博文

• http://chillyrain.is-programmer.com/categories/7613/posts

6. Bishop’s PRML book: review and insights, chapters 1–3

• https://techburst.io/bishops-prml-book-review-and-insights-chapters-1-3-528bb5cfaade

8. 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

PRML 相关资料：第三版，学习笔记，中文译本等

链接：https://pan.baidu.com/s/1oiZST2XgWHg7a4Xl3RUW7g 提取码：pthb

代码：该书完整的代码官方发出了 Matlab 版本，地址如下：http://prml.github.io/

ctgk 也在 GitHub 上发布了更常用的 Python 版本，已经超过 2k 星标了。
地址如下：https://github.com/ctgk/PRML

本文地址：https://www.6aiq.com/article/1584520876427
本文版权归作者和AIQ共有。

推荐阅读

这个NLP工具，玩得根本停不下来

文本自动摘要任务的“不完全”心得总结番外篇——submodular函数优化

Node2Vec 论文+代码笔记

模型压缩实践收尾篇——模型蒸馏以及其他一些技巧实践小结

中文命名实体识别工具（NER）哪家强？

学自然语言处理，其实更应该学好英语

斯坦福大学NLP组Python深度学习自然语言处理工具Stanza试用

关于AINLP

AINLP 是一个有趣有AI的自然语言处理社区，专注于 AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享，主题包括文本摘要、智能问答、聊天机器人、机器翻译、自动生成、知识图谱、预训练模型、推荐系统、计算广告、招聘信息、求职经验分享等，欢迎关注！加技术交流群请添加AINLPer(id：ainlper)，备注工作/研究方向+加群目的。

阅读至此了，分享、点赞、在看三选一吧🙏