实际上这本书我花了将近两个月的时间读下来，不敢说有多理解，但是确实收获很大，分章做一个评论。
第1章的导论，不多说，看完书后需要重新回过头来看看。
第2章的概率分布，写的非常好，尽管只有几个简单的分布，但是对共轭先验的概念以及指数分布族介绍的很清楚，这一章是本书的基础。
第3章以及第4章的线性分类和回归一个非常好的方面就是都是采用Bayesisan的观点来看，应该是理解Baysian思想的基础。
第5章 我没看，直接略过。(基本不影响后面的阅读)
第6章 讲Guassian Process (这个东西后来我才知道是 一种非参数的Bayessian方法，现在在统计学领域研究的很热门。)
第7章 讲SVM 。
第8章 是现代基于图模型的基础，需要仔细阅读，这一章概念介绍的非常清楚，很多的machine learning 和computer vision 的paper 现在采用的图模型的表示都可以从这里得到解释。
第9章 EM 算法，本人认为是本书的一个亮点，从最简单的K-mean出发，推导高斯混合模型，再到EM算法的推广，本章每一节都是精品。
第10章 近似推断 主要就是第一节的近似推断的基本原理 以及第二节的一个例子。采用mean-field 、 变分的方法。
第11章采样，写的很精彩，对完全不懂采样的我来说，也能很快入门。
这里需要说明的是，我的收获主要来自于第8章到第11章，光看书是不行的，期间，我主要是学习了最基本的Topic model：LDA 。在学习LDA的过程中，第8章到第11章的完全用上了。这种感觉非常好。推荐给大家 。
第12章是PCA及一些改进，用到的时候再看也来得及。
第13章是HMM 模型和LDS，这两个的图模型是一样的。建议好好学习一下HMM，应该还有其他的资料供参考。
第14章最后是整合，很多东西现在我还不是很理解。
总之，这是一本非常好的书，关键是写作思路清晰，重点突出。作为阅读论文的基本参考物是值得推荐的。
需要多读几遍：Pattern Recognition And Machine Learning
对“需要多读几遍：Pattern Recognition And Machine Learning”的回应
《Pattern Recognition And Machine Learning》热门书评
-
PRML，Bayesian PK Frequentist，笔记
63有用 2无用 Chojin 2012-08-25
两年多以前有个Machine Learning课以PRML为参考书，当时就觉得这书相当的好。可惜一直以来没认真读完。最近稍闲终于重新读了一遍，比较有收获。这书给人的最大的印象可能是everything has a Bayesian version或者说everything can be Bayesi...
-
需要多读几遍：Pattern Recognition And Machine Learning
58有用 3无用 jia 2010-12-17
实际上这本书我花了将近两个月的时间读下来，不敢说有多理解，但是确实收获很大，分章做一个评论。第1章的导论，不多说，看完书后需要重新回过头来看看。第2章的概率分布，写的非常好，尽管只有几个简单的分布，但是对共轭先验的概念以及指数分布族介绍的很清楚，这一章是本书的基础。第3章以及第4章的线性分类和回归一...
-
说此书数学怎么怎么样的还是退了吧
31有用 6无用 达令你快乐吗 2014-03-29
这几天没事把尾巴扫了。如果想做ML无论是theory（tcsers请先别吐槽好吧，以后会有槽吐你们的）、algorithm还是application此书都是必读，而且书只读这一本足够了。ML吹破天还是那点内容，想学“fashion”的concept有那么多paper、review，看书是自取其辱。有...
-
更广的背景下看Bayesian Learning
28有用 2无用 Chen_1st 2011-05-09
这两天因为读文章的需要，重新翻了翻这本书。觉得@raullew在http://book.douban.com/review/4474434/ 中提到的问题的确是这本书的一个缺陷。是否真正了解一个东西，不仅取决于你是否了解这个东西的特性，还取决于你能不能把它和相似的东西区分开。比如说，你要学习什么是猫...
-
这是我读过最好的模式识别书。
26有用 1无用 景浩 2013-02-28
我是学工程的，读过很多统计，模式识别，数据挖掘的书。比如Andrew Gelman 的 Beyesian data Analysis； Trevor Hastie 的 The Elements of Statistical Learning等等。。。。我发现一个问题，但凡是统计系人出的书，我读起来都...
书名： Pattern Recognition And Machine Learning
作者： Christopher Bishop
出版社： Springer
出版年： 2007-10-1
页数： 738
定价： USD 94.95
装帧： Hardcover
ISBN： 9780387310732