开源!《模式识别与机器学习(PRML)》笔记、代码、NoteBooks 发布

微软剑桥研究院实验室主任 Christopher Bishop 的经典著作《Pattern Recognition and Machine Learning》,中文译名《模式识别与机器学习》,简称 PRML,深受广大机器学习爱好者好评!

在豆瓣上,这本书也是收到了 9.5 的高分!

《模式识别与机器学习》涵盖面十分广泛,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。

《模式识别与机器学习》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

内容虽好,但是这本书包含了矩阵分析、矩阵计算等理论数学知识,光啃书本比较晦涩难懂,令人头大~

今天给大家推荐一个不错的资源,包含了《模式识别与机器学习(PRML)》的笔记、代码、NoteBooks 等。

GitHub 开源地址:

https://github.com/gerdm/prml

该项目的作者是一位墨西哥的小哥 Gerardo Durán Martín,他是 Analysic Nabla 的执行合伙人。

该 GitHub 项目将每一章的内容知识点以 .ipynb 笔记本形式进行总结和归纳。既包含了理论知识点推导,也包含了代码实操,图文并茂。

完整目录如下:

每一章节都包含了各个核心知识点的讲解,例如第一章,介绍贝叶斯概率(Bayesian Probability),它是由贝叶斯理论所提供的一种对概率的解释,它采用将概率定义为某人对一个命题信任的程度的概念。

理论公式:

代码实现:

每章除了知识点介绍之外,还有详细的习题答案解析。例如第一章,习题 1.18:

除此之外,红色石头也整理了这本《模式识别与机器学习》比较完整的附加资源:

书籍官网:

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 代码:

https://github.com/ctgk/PRML

工欲善其事必先利其器,希望这份《模式识别与机器学习(PRML)》笔记、代码、NoteBooks 对你有所帮助!

最后,再放上该 GitHub 项目的地址:

https://github.com/gerdm/prml


本文首发于公众号:AI有道(ID: redstonewill),欢迎关注!

https://redstonewill.com/wp-content/uploads/2019/05/face11.png

未经允许不得转载:红色石头的个人博客 » 开源!《模式识别与机器学习(PRML)》笔记、代码、NoteBooks 发布

赞 (0) 打赏

评论 0

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏