这本书在讲什么（给完全没接触过的你）
机器学习有两大学派：一类直接学「输入→输出」的映射（判别式），另一类先建模「数据是怎么产生的」（生成式）。Bishop 的 PRML 是生成式学派的圣经：它把机器学习讲成一门贝叶斯科学——所有的预测都带着不确定度，所有的模型都从先验出发。
为什么值得读这一本
PRML（Pattern Recognition and Machine Learning）出版十七年仍是引用最高的机器学习教材之一。它的独特价值：把概率论贯穿到底——每个模型都给出完整的概率解释，每个预测都附带置信度。读完它，你看任何模型都会先问「它的概率假设是什么」。
你需要先会什么（不会也没关系）
需要：①概率论（条件概率、期望、常见分布——高中到大学初等水平可起步）；②线性代数（矩阵运算）；③一点微积分（求导、积分）。不需要测度论——PRML 刻意避开了它，用严谨但初等的方式处理。建议配合书末符号表阅读，前两章要慢读。
怎么用这份学习笔记
下面是全书的逐节笔记目录。每一节都是独立一页：先讲这节解决什么问题，再把核心概念和公式一条条拆开讲，配上原文要点（公式与出处定位）、例题演算和自检问题。建议顺序读，读完一节再点下一节；卡住就回导览页看「新手最容易卡住的三个地方」。