PRML为何是机器学习的经典书籍中的经典？ 举报 理由 举报 取消 都说PRML是机器学习的经典中的经典，是每个机器学习相关方向必须啃得书籍，那么PRML到底经典在哪里呢？与其他的书籍相比，有哪些过人之处？ 2018年1月2日 10 条回复 1574 次浏览 学习,数据挖掘,机器,算法
回复 ( 10 )
PRML究竟有何过人之处，不能光看它本身的内容，最重要的是看其在Machine Learning, Data Mining这一类书籍中的地位。
通常从一个CS小白开始学Machine Learning或者Data Mining，到成长为一个独当一面的大牛，都会看几种类型的书：
Machine Learning学习的过程，就是一个 what -> how -> why 的过程。而PRML，或者说同类的ESL等书籍，最大的作用就是让你知道为什么会有这样的方法，为什么会有这样的模型，它背后的intuition和motivation是什么。而这恰恰是一个Machine Learning Researcher想要进一步使用模型、看懂别人paper中的模型、甚至自己提出新模型的基础。看PRML会带给你在Machine Learning上的理解和使用能力一个质的飞跃。
而在同一层次上，比如PRML和ESL相比，我个人认为，PRML涵盖面更广，语言更通俗，例子和习题更加详细，附带更多基础性的讲解和指引（比如第二章整章都在介绍概率分布），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。
可以说，PRML是一本兼顾广度、深度、可读性、可用性（做习题）的好书。
因为 mlapp 出得晚（逃
吾辈贝叶斯方法一以贯之，谓之PRML.
这本书就是各种贝叶斯，有些偏，个人认为不如MLAPP
ESL经典
我更倾向于一些工程行性强的书籍，或者一些顶会的论文。
介绍theano的deep learning tutorial，以及微软研究院几位大牛写的deep learning ：method and applications。都不错
一些牛人的blog也是很好的学习资料，一些参加kaggle比赛的牛人一般都会把方法写成blog，看看这些blog和里面refer的一些论文都很有帮助。
————————————————————————-
总结了一些自己用到的资料
深度学习资料汇总
——————————————————————
大力推荐一本未出版的书：Deep Learning （Ian Goodfellow and Aaron Courville and Yoshua Bengio）
以及DL summer school 2015的视频：Deep Learning Summer School, Montreal 2015
个人觉得PRML ESL MLAPP等几本书差别不大，读一本就好，目的是了解机器学习的基本概念和方法。关键还是看文献，实现算法，比较模型，在实践中学习和改进。
prml也没那么好，只不过其它的书都没他好（逃
不认为这本书是ml的经典，只能说是bayesian learning的经典。如果要说这书是经典，也是跟风搞beyesian的人太多导致的。之前还有一本以kernel为核心的，一本以信息论为核心的，都没火起来，一大原因是这俩方向在ml领域跟风的人没有那么多。
我猜测现在某个dl太牛以dl为核心写个ml书，过五年也会有人来知乎问为什么那本书是ml经典书籍中的经典
这本书肯定不是机器学习的经典，因为大多数搞机器学习的人并不是 Bayesian。