本书深入而系统地介绍了模式识别和机器学习领域的基本概念、数学原理和核心算法，并附有丰富的习题。作为机器学习领域的“ ”，本书融合了概率论、统计学、线性代数和优化理论，构建了从基础概念到前沿技术的完整知识体系，内容涵盖决策论、概率分布、线性回归模型、线性分类模型、神经网络、核方法、稀疏核机、图模型、混合模型与 期望算法、近似推断、采样方法、连续潜变量、序列数据、模型组合等。本书适合计算机专业高年级本科生和低年级硕士生阅读，也适合作为机器学习从业人员和爱好者的参考资料。

克里斯托弗·M. 毕晓普（Christopher M. Bishop），微软公司技术研究员、微软科学研究院科学智能中心（Microsoft Research AI4Science）主任。剑桥大学达尔文学院院士、英国皇家工程院院士、爱丁堡皇家学会院士和伦敦皇家学会院士。