《模式识别与机器学习》（英文版）这本书看起来很吃力，有哪些方法值得推荐，有哪些基础点的资料先读读为好？

建议你读 MLAPP，读完以后，你会发现 PRML 太简单了，作者太贴心了，什么推导都帮你完成了，而且有全套习题答案。

对了，一定要做习题，不懂的就一直看，直到看懂，如果看不懂，就找演算法的原始paper看，不要跳哦，因为每个部分其实都不难。

如果还是看不懂，说明你数学基础不好，可以看一点本科的概率教材和研究生的矩阵理论课本。

如果有条件的话，也可以读读Learning from data（abu-mostafa写的），入门级水平，但是值得注意的是，这书是frequentist观点，而PRML是彻底的bayesian，两者的基本世界观有冲突。
有个类似问题：pattern recognition and machine learning这本书怎么看？ - 机器学习

我觉得这本书不是很好。

既不是演算法手册，也不是开发教程，也不是专著，其它的也算不上。

上周开始学习这本书，我觉得文字阐述部分基本是能理解的，关键在于数学公式的推导。不会推的地方可以有针对性的搜索，网上有不少详细的推导，或者可以请教周围数学功底较好的同学老师。

推荐一个系列的视频：https://space.bilibili.com/6293151/video，从零开始的公式推导，非常详细和清楚。

学而不思则罔，思而不学则殆，所以习题部分肯定也是需要做的，能起到促进思考和巩固的作用。

看参考文献，我印象中作者会给出一些，一般会有一些综述性的，里面有详细的推导

矩阵计算可以看matrix cookbook，概率论应该就是本科的就够了

给你一个我的读书笔记库

zhuyuanxiang/StudyNotes-CN?

github.com图标

参考我的笔记写完自己的笔记，将作者没有推导的部分全部补全，当然这个过程用个2~3年可能可以。还有些看不懂的，可以跳过，因为不是所有的东西立刻都会有用。

推荐阅读：
相关文章