模式分类（原书第2版）

这本书是老师介绍给我们的，也是我们的教材。内容很丰富，几乎涵盖了模式识别的方方面面。如果对某一领域感兴趣可以再深入研究，这是一本不错的入门书。

非常经典的一本书，值得作为教材或参考书（我作为参考书），内容只是显得有点不够深入，要想深入某一专题最好买针对特定算法的专著

模式识别经典入门级书，书中许多方法现在仍然用的很好，有些新的方法在这本书找不到，比如Graphic Model，SVM等这些新的就需要另外一本C.Bshop 06出的Pattern Recogntion and Machine Learning来补充。

绝对的推荐，模式识别最值得读的书之一，可以对照英文一起看，英文版网上很好找

图文结合的很好，我现在只看了前几章，就先谈谈开始的部分吧。

从内容上说，这是一本偏理论和应用的书，这本书的正文力求你掌握一种最基本的方法，习题主要通过一些基本方法的改进的或是相关应用来加深对正文理论的理解或是深入。《机器学习》那本书读完之后你可以知道分类可以怎么做，分类的理论是什么，具体怎么做，做的细节呢？对不起你自己实现。《模式分类》这本书每个理论后面都会有几个完整的实际应用的例子，最起码也是用数学语言和公式推导出的。而《模式识别》这本书理论偏重了，结合理论的例子比这本书差很多，如果你觉得阅读符号语言很亲切，《模式识别》会更适合你。
从先修的知识上讲，微积分几乎不需要，统计不太需要但如果有的话读起来很省力，代数的知识要有一点(例如矩阵的几种变换和性质)，当然随之而来的线性空间的相关概念，概率论的初步很需要(条件概率和bayes公式)。

翻译我觉得很好的，有些描述确实很长很复杂，但有些复杂的东西就需要用冗长和复杂的语言去描述。如果你肯跟上书的思路思考的话，那种复杂的描述你会一带而过的，你会想那一定就是这样，和作者的描述一比较，发现你想的和他说的是一致的。如果你读书的时候根本不思考，而只是要从作者的字眼上获得你需要结论，那可能就会有些吃力，因为自然语言在表达的时候本来就很难避免有些二义性。这也是为什么我说有点统计的知识阅读起来会简单许多，在有大量知识的前提下你会自动地排除某些语言中的不成立的二义。

总之这是一本很适于初学者学习这方面领域的书。并且还适合稍稍深入的研究。貌似没讲太多SVM的内容(我就是冲着SVM去买的,结果居然没介绍多少-_-b)，但SVM的所有先修的知识可以从这本书中获得(我读了几章发现可以读得懂SVM的相关的资料了)