PRML开篇

《PRML》，接触机器学习的人，肯定都听过，早也买好了书，但是就是没有时间来看，其实就是懒。前几天刚好在matlab的仓库中看到了这本书的代码汇总，期望结合代码实践，把这本书系统的看一下，一定要坚持下来。

全篇的目录：

1. 绪论
2. 概率分布
3. 回归模型分析
4. 分类的线形模型
5. 神经网络模型
6. 核方法
7. 稀疏机
8. 图模型
9. 混合模型和EM算法
10. 近似推断
11. 采样方法
12. 连续潜在变量
13. 顺序数据
14. 组合模型

全篇内容看起来是很多，很综合的，慢慢走，都会有。

参考链接：
PRML代码实现python版本：https://github.com/ctgk/PRML
PRML代码实现maltab版本：https://github.com/PRML/PRMLT
资料：https://download.csdn.net/download/sanhuo2017/10535619
在线版PRML：https://txd888.gitbooks.io/prml/content/Chapter1/probability/bayesian_probabilities.html