来源：程序员书库（ID：CodingBook）
当今网络的发展使得大量的电子数据都需要自动化的数据分析方法，机器学习让这一切成为了可能，它能够自动检测数据中的模式，然后可以预测未来的数据。
谷歌研究员Kevin Patrick Murphy撰写的经典机器学习图书《Machine Learning: a Probabilistic Perspective》，自2012年出版以来，就备受读者好评，这本教科书基于统一的“概率视角”，全面介绍了机器学习领域，涵盖机器学习整个理论体系。
本书的内容不仅有深度还兼具了广度，提供了概率、最优化、线性代数等主题的必要背景材料，并讨论了该领域的最新发展，包括条件随机场（CRF）、L1范数正则化和深度学习。
该书以一种非正式的，简单易懂的风格编写，并为重要的算法提供了伪代码，所有的主题都附有图片，所有的示例都是来自生物学，文本处理，计算机视觉和机器人等应用领域，而且本书采用的不是启发式的烹饪书的写法，而是强调了一种基于模型的原则方法，几乎所有描述的模型都是在MATLAB软件包中实现的——pmtk(概率建模工具包)，这些在网上都是可以免费获取的。
完整目录如下：
本书适合有大学数学背景的高年级本科生以及刚开始读研究生的学生。
如今，这本书不仅能免费下载，最近作者在Github上发布了关于本书的Python代码，感兴趣的伙伴们也可以去看看哦~目前，pyprobml已经标星1.2K，361个Fork。（Github地址：https://github.com/probml/pyprobml）
Kevin P. Murphy，毕业于哥伦比亚大学计算机科学系，2012年5月从UBC离职，目前是谷歌研究员，AI、机器学习领域专家。
豆瓣书评：
@Wenty ：经典教材
@josuya：这本书优点就是很全面，千余页的大部头，啥都有。缺点也是很全面，每一个点都不太细致，还需要自己去找论文看。
@Alexlzhao：很完整的推导，适合写代码参考
@Seal Huang：内容很全面，但感觉章节安排的顺序可以稍微调整一下。
下载地址：https://doc.lagout.org/science/Artificial%20Intelligence/Machine%20learning/Machine%20Learning_%20A%20Probabilistic%20Perspective%20%5BMurphy%202012-08-24%5D.pdf
后台回复【shuku】可直接下载哦，文件名为《Machine Learning（1101）》
●编号815，输入编号直达本文
●输入m获取到文章目录
