概率机器学习的书又贵又难找：作者把书稿免费放出来
做建模时常遇到这种情况：模型能跑，但换成概率视角去看就说不清输出到底代表什么、不确定性从哪来。市面上的概率机器学习教材要么太老要么太贵，这套书稿把基础到进阶的内容整理成两大部分，作者直接放在网上免费读。
它解决什么问题
只会用现成的模型接口，说不清输出里的不确定性是怎么来的。
想找一本系统的概率机器学习教材，能挑到的不是太老就是太贵。
核心能力
| 能力 | 具体能做到什么 |
|---|---|
| 分两大部分 | 基础篇打底，进阶篇深入，可先读其中一部分 |
| 概率视角贯穿 | 把常见模型统一放在概率框架里讲，便于比较 |
| 覆盖现代方法 | 既有经典模型，也涉及较新的建模思路 |
| 书稿在线免费 | 官方站点直接放出文件，不需要购买即可阅读 |
| 章节独立 | 每章主题相对完整，可以按需跳读 |
| 引用充分 | 涉及方法来源时会给出参考文献，便于深入 |
先读基础部分，别直接跳到深水区
这套书分基础与进阶两部分，基础部分把概率、统计、线性代数和常见模型串起来讲，进阶部分进入更前沿的主题。按顺序读是最省力的方式，因为后面的推导大量依赖前面的符号约定。如果只是想查某个方法，可以按目录跳到对应章节，但要留意该章假设你已读过什么，否则公式会看不懂。
它是书稿形式，语言偏学术，推导密度大，适合已有一定基础、想把概率视角补上的人，零基础直接读大概率会卡住。书里给的是原理，不教工程实现，想动手还得配别的材料。内容为英文，草稿会持续修订，读之前留意页面上的说明，免得对着旧版本找章节，另外把它打印出来做批注，比一直盯着屏幕更容易坚持。
同类工具怎么选
| 工具 | 授权 | 差别在哪 |
|---|---|---|
| 深度学习在线书 | 官方免费资源 | 同样免费在线阅读，覆盖面更广，起点更偏深度学习 |
| 机器学习数学书 | 官方免费资源 | 把数学工具单独讲一遍，适合作为读本书前的准备 |
| 动手学深度学习 | 开源免费 | 中文教材配可运行代码，偏实现与动手 |
谁适合用
- 已经有机器学习基础、想补概率视角的从业者
- 做研究需要系统梳理方法脉络的研究生
- 想找一本参考教材的课程讲师
怎么开始
- 打开官方站点，看清两部分各自包含哪些章节。
- 按自己基础决定先读哪部分，基础薄弱从第一部分开始。
- 每章先通读一遍抓结构，再回去把推导逐段推一遍。
- 遇到依赖前面章节的符号，回查后再继续往下读。
- 读完一个方法，找一个开源实现对照，检验理解是否到位。
常见问题
零基础能读吗？
不建议。需要概率、线性代数和微积分的基础，还要能读英文推导。
有中文版吗？
站点提供的是英文书稿，是否有其他语种以站点实际提供的为准。
要付费吗？
书稿在线可免费阅读，正式出版版本另行购买。
看完能上手建模吗？
书讲原理与方法，工程实现还要配合代码教程一起练。
授权与合规
作者把书稿以免费文件形式发布在官方站点上供阅读，正式出版版本另行发行。 官网：probml.github.io/pml-book。
继续找同类资源
这条属于「学习资料」栏目，同栏目还有更多可直接使用的免费资源，可以在 学习资料全部资源 里按需翻阅。
相关资源
同栏目下这几条也常被一起翻到：
资源信息
界面语言
英文
授权方式
官方免费资源
适用平台
Web
获取方式
直链下载
资源更新
2026-09-20
页面更新
2026-09-20
↓ 获取资源
点击按钮直接前往资源页面。
