第1章 引言 Introduction
覆盖曲线拟合、概率论、模型选择、维数灾难、决策论与信息论；用概率模型状态、单故障推断轨迹和预测检验门完成独立复核。
学习目标
- 能说明“第1章 引言 Introduction”如何覆盖曲线拟合、概率论、模型选择、维数灾难、决策论与信息论，并区分2006年原版、2026年中文书目与当前扩展
- 能先预测“怎样从曲线拟合的观测噪声走到后验、预测、损失与模型选择，而不让训练误差代替不确定性？”“第1章 引言 Introduction”会改变哪项概率状态，再用先验、运算、后验与诊断逐步复核
- 能注入“依据测试集反复选择多项式阶数和正则强度，再把最低测试误差称为泛化证据”，用“数据角色、概率模型、先验/似然、损失函数、复杂度选择和独立评估同时明确”决定接受、降级或拒绝模型结论
为什么从这个概率问题开始
引言页用曲线拟合贯穿学习、概率和决策，先固定问题再讨论模型。 “第1章 引言 Introduction”的贯穿任务是：对同一组带噪样本比较最大似然、贝叶斯曲线拟合和不同决策损失。 动手前先写下哪个观测、分布、参数、隐变量、消息或预测会变化；运行后补理由不算预测。
围绕“怎样从曲线拟合的观测噪声走到后验、预测、损失与模型选择，而不让训练误差代替不确定性？”“第1章 引言 Introduction”建立参考、故障与恢复路径。只有它守住“数据角色、概率模型、先验/似然、损失函数、复杂度选择和独立评估同时明确”并交付数据切分、基函数阶数、先验、似然、后验、预测区间、损失矩阵、验证轨迹与维度反例。，公式、图形或指标才构成模式识别与机器学习证据。
书目、266个原版层级与版本边界
“第1章 引言 Introduction”以Microsoft Research作者出版页和作者公开的原版完整PDF核对Christopher M. Bishop著 Pattern Recognition and Machine Learning 的正文与完整目录，并以Springer官方书目交叉核对2006年第一版、ISBN 9780387310732、14章和5个附录。本站逐项统计14个章标题、247个编号节/小节与附录A-E，共266个正式目录层级；作者勘误表用于纠正已知排印问题。
本项目能访问原版一手全文，但不复制或逐段翻译原书；中文解释、推导、数值实验、交互、练习与答案均为独立教学重写。中文发行书目只用于核对2026年人民邮电出版社新译本的ISBN 9787115681409、译者和页数，不用来证明原版正文。“第1章 引言 Introduction”以2006年原版为内容边界；2026年中文新译本只用于中文书目信息，当前库函数和后续研究只作带时间标签的独立核验。
本页另以技术核对 1、技术核对 2、技术核对 3核对算法定义、实现语义或数值诊断。外部资料能验证技术事实，不能反向证明原书采用了本站表述。
原版目录层级与概率机制
1 Introduction
↡Introduction对应原版目录坐标“1 Introduction”，在“第1章 引言 Introduction”中用于从观测、概率与损失建立学习和决策合同，并受支持集、条件化、算法状态、预测语义与版本边界约束。原版坐标 1/19。 在“第1章 引言 Introduction”的坐标1中，目录项「1 Introduction」用于从观测、概率与损失建立学习和决策合同；先冻结观测与参数化，再以数据角色、先验/似然、后验预测、复杂度、损失与信息量复核，出现训练拟合代替不确定性和独立评估时撤回结论。
1.1 Example: Polynomial Curve Fitting
↡Example对应原版目录坐标“1·1 Example: Polynomial Curve Fitting”，在“第1章 引言 Introduction”中用于从观测、概率与损失建立学习和决策合同，并受支持集、条件化、算法状态、预测语义与版本边界约束。原版坐标 2/19。 目录项「1·1 Example: Polynomial Curve Fitting」进入“第1章 引言 Introduction”后要回答第2个概率问题：它怎样从观测、概率与损失建立学习和决策合同、改变哪个条件或后验状态、由哪些数据角色、先验/似然、后验预测、复杂度、损失与信息量证明，并如何排除训练拟合代替不确定性和独立评估。
1.2 Probability Theory
↡Probability Theory对应原版目录坐标“1·2 Probability Theory”，在“第1章 引言 Introduction”中用于从观测、概率与损失建立学习和决策合同，并受支持集、条件化、算法状态、预测语义与版本边界约束。原版坐标 3/19。 围绕“怎样从曲线拟合的观测噪声走到后验、预测、损失与模型选择，而不让训练误差代替不确定性？”“第1章 引言 Introduction”在原版层级3把「1·2 Probability Theory」落实为从观测、概率与损失建立学习和决策合同；复核者先读取数据角色、先验/似然、后验预测、复杂度、损失与信息量，不能接受训练拟合代替不确定性和独立评估。
1.2.1 Probability densities
↡Probability densities对应原版目录坐标“1·2·1 Probability densities”，在“第1章 引言 Introduction”中用于把目录坐标转为有变量、假设、推断与预测检查的概率合同，并受支持集、条件化、算法状态、预测语义与版本边界约束。原版坐标 4/19。 对“第1章 引言 Introduction”而言，目录项「1·2·1 Probability densities」的最小建模合同是把目录坐标转为有变量、假设、推断与预测检查的概率合同，第4次检查保存观测、模型、先验/似然、算法状态、诊断、反例和时间边界；若产生只复述模型或公式名称，就返回上一步。
1.2.2 Expectations and covariances
↡概率坐标5对应原版目录坐标“1·2·2 Expectations and covariances”，在“第1章 引言 Introduction”中用于把目录坐标转为有变量、假设、推断与预测检查的概率合同，并受支持集、条件化、算法状态、预测语义与版本边界约束。原版坐标 5/19。 第5个正式坐标「1·2·2 Expectations and covariances」服务于覆盖曲线拟合、概率论、模型选择、维数灾难、决策论与信息论，需要以观测、模型、先验/似然、算法状态、诊断、反例和时间边界呈现把目录坐标转为有变量、假设、推断与预测检查的概率合同；只复述模型或公式名称会破坏“数据角色、概率模型、先验/似然、损失函数、复杂度选择和独立评估同时明确”。
1.2.3 Bayesian probabilities
↡Bayesian probabilities对应原版目录坐标“1·2·3 Bayesian probabilities”，在“第1章 引言 Introduction”中用于把目录坐标转为有变量、假设、推断与预测检查的概率合同，并受支持集、条件化、算法状态、预测语义与版本边界约束。原版坐标 6/19。 在“第1章 引言 Introduction”的坐标6中，目录项「1·2·3 Bayesian probabilities」用于把目录坐标转为有变量、假设、推断与预测检查的概率合同；先冻结观测与参数化，再以观测、模型、先验/似然、算法状态、诊断、反例和时间边界复核，出现只复述模型或公式名称时撤回结论。
1.2.4 The Gaussian distribution
↡概率坐标7对应原版目录坐标“1·2·4 The Gaussian distribution”，在“第1章 引言 Introduction”中用于定义支持集、归一、参数更新与预测密度，并受支持集、条件化、算法状态、预测语义与版本边界约束。原版坐标 7/19。 目录项「1·2·4 The Gaussian distribution」进入“第1章 引言 Introduction”后要回答第7个概率问题：它怎样定义支持集、归一、参数更新与预测密度、改变哪个条件或后验状态、由哪些变量域、充分统计量、归一常数、共轭更新、密度积分与带宽证明，并如何排除混淆质量和密度或在测试数据上调分布。
1.2.5 Curve fitting re-visited
↡Curve fitting re-visited对应原版目录坐标“1·2·5 Curve fitting re-visited”，在“第1章 引言 Introduction”中用于把目录坐标转为有变量、假设、推断与预测检查的概率合同，并受支持集、条件化、算法状态、预测语义与版本边界约束。原版坐标 8/19。 围绕“怎样从曲线拟合的观测噪声走到后验、预测、损失与模型选择，而不让训练误差代替不确定性？”“第1章 引言 Introduction”在原版层级8把「1·2·5 Curve fitting re-visited」落实为把目录坐标转为有变量、假设、推断与预测检查的概率合同；复核者先读取观测、模型、先验/似然、算法状态、诊断、反例和时间边界，不能接受只复述模型或公式名称。
1.2.6 Bayesian curve fitting
↡Bayesian curve fitting对应原版目录坐标“1·2·6 Bayesian curve fitting”，在“第1章 引言 Introduction”中用于把目录坐标转为有变量、假设、推断与预测检查的概率合同，并受支持集、条件化、算法状态、预测语义与版本边界约束。原版坐标 9/19。 对“第1章 引言 Introduction”而言，目录项「1·2·6 Bayesian curve fitting」的最小建模合同是把目录坐标转为有变量、假设、推断与预测检查的概率合同，第9次检查保存观测、模型、先验/似然、算法状态、诊断、反例和时间边界；若产生只复述模型或公式名称，就返回上一步。
1.3 Model Selection
↡Model Selection对应原版目录坐标“1·3 Model Selection”，在“第1章 引言 Introduction”中用于从观测、概率与损失建立学习和决策合同，并受支持集、条件化、算法状态、预测语义与版本边界约束。原版坐标 10/19。 第10个正式坐标「1·3 Model Selection」服务于覆盖曲线拟合、概率论、模型选择、维数灾难、决策论与信息论，需要以数据角色、先验/似然、后验预测、复杂度、损失与信息量呈现从观测、概率与损失建立学习和决策合同；训练拟合代替不确定性和独立评估会破坏“数据角色、概率模型、先验/似然、损失函数、复杂度选择和独立评估同时明确”。
1.4 The Curse of Dimensionality
↡概率坐标11对应原版目录坐标“1·4 The Curse of Dimensionality”，在“第1章 引言 Introduction”中用于从观测、概率与损失建立学习和决策合同，并受支持集、条件化、算法状态、预测语义与版本边界约束。原版坐标 11/19。 在“第1章 引言 Introduction”的坐标11中，目录项「1·4 The Curse of Dimensionality」用于从观测、概率与损失建立学习和决策合同；先冻结观测与参数化，再以数据角色、先验/似然、后验预测、复杂度、损失与信息量复核，出现训练拟合代替不确定性和独立评估时撤回结论。
1.5 Decision Theory
↡Decision Theory对应原版目录坐标“1·5 Decision Theory”，在“第1章 引言 Introduction”中用于从观测、概率与损失建立学习和决策合同，并受支持集、条件化、算法状态、预测语义与版本边界约束。原版坐标 12/19。 目录项「1·5 Decision Theory」进入“第1章 引言 Introduction”后要回答第12个概率问题：它怎样从观测、概率与损失建立学习和决策合同、改变哪个条件或后验状态、由哪些数据角色、先验/似然、后验预测、复杂度、损失与信息量证明，并如何排除训练拟合代替不确定性和独立评估。
1.5.1 Minimizing the misclassification rate
↡概率坐标13对应原版目录坐标“1·5·1 Minimizing the misclassification rate”，在“第1章 引言 Introduction”中用于把目录坐标转为有变量、假设、推断与预测检查的概率合同，并受支持集、条件化、算法状态、预测语义与版本边界约束。原版坐标 13/19。 围绕“怎样从曲线拟合的观测噪声走到后验、预测、损失与模型选择，而不让训练误差代替不确定性？”“第1章 引言 Introduction”在原版层级13把「1·5·1 Minimizing the misclassification rate」落实为把目录坐标转为有变量、假设、推断与预测检查的概率合同；复核者先读取观测、模型、先验/似然、算法状态、诊断、反例和时间边界，不能接受只复述模型或公式名称。
1.5.2 Minimizing the expected loss
↡概率坐标14对应原版目录坐标“1·5·2 Minimizing the expected loss”，在“第1章 引言 Introduction”中用于把目录坐标转为有变量、假设、推断与预测检查的概率合同，并受支持集、条件化、算法状态、预测语义与版本边界约束。原版坐标 14/19。 对“第1章 引言 Introduction”而言，目录项「1·5·2 Minimizing the expected loss」的最小建模合同是把目录坐标转为有变量、假设、推断与预测检查的概率合同，第14次检查保存观测、模型、先验/似然、算法状态、诊断、反例和时间边界；若产生只复述模型或公式名称，就返回上一步。
1.5.3 The reject option
↡The reject option对应原版目录坐标“1·5·3 The reject option”，在“第1章 引言 Introduction”中用于把目录坐标转为有变量、假设、推断与预测检查的概率合同，并受支持集、条件化、算法状态、预测语义与版本边界约束。原版坐标 15/19。 第15个正式坐标「1·5·3 The reject option」服务于覆盖曲线拟合、概率论、模型选择、维数灾难、决策论与信息论，需要以观测、模型、先验/似然、算法状态、诊断、反例和时间边界呈现把目录坐标转为有变量、假设、推断与预测检查的概率合同；只复述模型或公式名称会破坏“数据角色、概率模型、先验/似然、损失函数、复杂度选择和独立评估同时明确”。
1.5.4 Inference and decision
↡Inference and decision对应原版目录坐标“1·5·4 Inference and decision”，在“第1章 引言 Introduction”中用于把目录坐标转为有变量、假设、推断与预测检查的概率合同，并受支持集、条件化、算法状态、预测语义与版本边界约束。原版坐标 16/19。 在“第1章 引言 Introduction”的坐标16中，目录项「1·5·4 Inference and decision」用于把目录坐标转为有变量、假设、推断与预测检查的概率合同；先冻结观测与参数化，再以观测、模型、先验/似然、算法状态、诊断、反例和时间边界复核，出现只复述模型或公式名称时撤回结论。
1.5.5 Loss functions for regression
↡概率坐标17对应原版目录坐标“1·5·5 Loss functions for regression”，在“第1章 引言 Introduction”中用于把目录坐标转为有变量、假设、推断与预测检查的概率合同，并受支持集、条件化、算法状态、预测语义与版本边界约束。原版坐标 17/19。 目录项「1·5·5 Loss functions for regression」进入“第1章 引言 Introduction”后要回答第17个概率问题：它怎样把目录坐标转为有变量、假设、推断与预测检查的概率合同、改变哪个条件或后验状态、由哪些观测、模型、先验/似然、算法状态、诊断、反例和时间边界证明，并如何排除只复述模型或公式名称。
1.6 Information Theory
↡Information Theory对应原版目录坐标“1·6 Information Theory”，在“第1章 引言 Introduction”中用于从观测、概率与损失建立学习和决策合同，并受支持集、条件化、算法状态、预测语义与版本边界约束。原版坐标 18/19。 围绕“怎样从曲线拟合的观测噪声走到后验、预测、损失与模型选择，而不让训练误差代替不确定性？”“第1章 引言 Introduction”在原版层级18把「1·6 Information Theory」落实为从观测、概率与损失建立学习和决策合同；复核者先读取数据角色、先验/似然、后验预测、复杂度、损失与信息量，不能接受训练拟合代替不确定性和独立评估。
1.6.1 Relative entropy and mutual information
↡概率坐标19对应原版目录坐标“1·6·1 Relative entropy and mutual information”，在“第1章 引言 Introduction”中用于把目录坐标转为有变量、假设、推断与预测检查的概率合同，并受支持集、条件化、算法状态、预测语义与版本边界约束。原版坐标 19/19。 对“第1章 引言 Introduction”而言，目录项「1·6·1 Relative entropy and mutual information」的最小建模合同是把目录坐标转为有变量、假设、推断与预测检查的概率合同，第19次检查保存观测、模型、先验/似然、算法状态、诊断、反例和时间边界；若产生只复述模型或公式名称，就返回上一步。
先预测，再操作三个章专属概率实验
1. 概率模型与条件状态
固定“对同一组带噪样本比较最大似然、贝叶斯曲线拟合和不同决策损失。”，在参考与反例间切换，逐阶段查看“观测与噪声、概率规则、后验拟合、模型比较、决策验收”的进入状态、条件化、离开状态和概率检查。
概率模型状态
选择观测情形，逐步核对先验、运算与后验
怎样从曲线拟合的观测噪声走到后验、预测、损失与模型选择，而不让训练误差代替不确定性？
观测设置
对同一组带噪样本比较最大似然、贝叶斯曲线拟合和不同决策损失。 固定数据、参数化、初值、顺序、容差和种子。
事前预测
沿“观测与噪声 → 概率规则 → 后验拟合 → 模型比较 → 决策验收”得到可复核概率结论。
适用边界
全过程必须满足“数据角色、概率模型、先验/似然、损失函数、复杂度选择和独立评估同时明确”。
进入本步的状态
第1章 引言 Introduction：声明观测、变量与数据角色，保持其余概率合同不变
条件化或变换
冻结支持集、形状、版本和允许读取的信息，并持续满足“数据角色、概率模型、先验/似然、损失函数、复杂度选择和独立评估同时明确”
离开本步的状态
观测与噪声产生可追溯观测状态
概率与数值检查
可追溯观测状态、概率质量与数值断言；出现“依据测试集反复选择多项式阶数和正则强度，再把最低测试误差称为泛化证据”时停止
原版坐标：1 Introduction、1.1 Example: Polynomial Curve Fitting、1.2 Probability Theory、1.2.1 Probability densities、1.2.2 Expectations and covariances、1.2.3 Bayesian probabilities、1.2.4 The Gaussian distribution、1.2.5 Curve fitting re-visited、1.2.6 Bayesian curve fitting、1.3 Model Selection、1.4 The Curse of Dimensionality、1.5 Decision Theory、1.5.1 Minimizing the misclassification rate、1.5.2 Minimizing the expected loss、1.5.3 The reject option、1.5.4 Inference and decision、1.5.5 Loss functions for regression、1.6 Information Theory、1.6.1 Relative entropy and mutual information
第1章 引言 Introduction的可重放概率协议
| 阶段 | 允许动作 | 必留证据 | 拒绝条件 |
|---|---|---|---|
| 观测与噪声 | 在“第1章 引言 Introduction”执行观测与噪声，只改变声明的概率或算法状态 | 观测、变量、支持集、数据角色与版本 | 观测或支持集不可追溯 |
| 概率规则 | 在“第1章 引言 Introduction”执行概率规则，只改变声明的概率或算法状态 | 模型、先验/似然、参数/隐变量、消息、样本与预测分布 | 依据测试集反复选择多项式阶数和正则强度，再把最低测试误差称为泛化证据 |
| 后验拟合 | 在“第1章 引言 Introduction”执行后验拟合，只改变声明的概率或算法状态 | 模型、先验/似然、参数/隐变量、消息、样本与预测分布 | 依据测试集反复选择多项式阶数和正则强度，再把最低测试误差称为泛化证据 |
| 模型比较 | 在“第1章 引言 Introduction”执行模型比较，只改变声明的概率或算法状态 | 模型、先验/似然、参数/隐变量、消息、样本与预测分布 | 依据测试集反复选择多项式阶数和正则强度，再把最低测试误差称为泛化证据 |
| 决策验收 | 在“第1章 引言 Introduction”执行决策验收，只改变声明的概率或算法状态 | 归一、残差、校准、反例、适用边界与复现 | 无法重放或缺少预测检查 |
unit: "prl-01"
question: "怎样从曲线拟合的观测噪声走到后验、预测、损失与模型选择，而不让训练误差代替不确定性？"
scenario: "对同一组带噪样本比较最大似然、贝叶斯曲线拟合和不同决策损失。"
stages: ["观测与噪声", "概率规则", "后验拟合", "模型比较", "决策验收"]
invariant: "数据角色、概率模型、先验/似然、损失函数、复杂度选择和独立评估同时明确"
fault: "依据测试集反复选择多项式阶数和正则强度，再把最低测试误差称为泛化证据"
evidence: "数据切分、基函数阶数、先验、似然、后验、预测区间、损失矩阵、验证轨迹与维度反例。"
reset: restore_case_stage_trace_mode_step_gates_and_artifact该协议要求“第1章 引言 Introduction”在相同观测、数据角色、参数化、初值、顺序、容差和种子下重放。重置后若案例、阶段、轨迹模式、步骤、预测门或证据包没有回到基线，交互状态已经污染比较。
本页回顾
掌握“第1章 引言 Introduction”不是背诵公式或API，而是能围绕“怎样从曲线拟合的观测噪声走到后验、预测、损失与模型选择，而不让训练误差代替不确定性？”重建观测、模型、推断与预测证据，并用“数据角色、概率模型、先验/似然、损失函数、复杂度选择和独立评估同时明确”拒绝“依据测试集反复选择多项式阶数和正则强度，再把最低测试误差称为泛化证据”。最终交付为数据切分、基函数阶数、先验、似然、后验、预测区间、损失矩阵、验证轨迹与维度反例。
练习与答案
练习
- 问题 1：概率合同。 “第1章 引言 Introduction”为什么必须先冻结观测、数据角色、参数化、初值、顺序、容差和种子？
- 问题 2：目录逐项覆盖。 怎样证明原版目录坐标已经进入机制、交互和练习？
- 问题 3：故障恢复。 怎样证明“依据测试集反复选择多项式阶数和正则强度，再把最低测试误差称为泛化证据”已经被修正？
名词解释
名词解释
本章出现的专业名词，用大白话再讲一遍。
- Introduction
检索键 prml-A 对应目录坐标「1 Introduction」；在“第1章 引言 Introduction”中用于从观测、概率与损失建立学习和决策合同，需要连接原版范围、概率状态、推断轨迹与独立预测证据。
- Example
检索键 prml-B 对应目录坐标「1·1 Example: Polynomial Curve Fitting」；在“第1章 引言 Introduction”中用于从观测、概率与损失建立学习和决策合同，需要连接原版范围、概率状态、推断轨迹与独立预测证据。
- Probability Theory
检索键 prml-C 对应目录坐标「1·2 Probability Theory」；在“第1章 引言 Introduction”中用于从观测、概率与损失建立学习和决策合同，需要连接原版范围、概率状态、推断轨迹与独立预测证据。
- Probability densities
检索键 prml-D 对应目录坐标「1·2·1 Probability densities」；在“第1章 引言 Introduction”中用于把目录坐标转为有变量、假设、推断与预测检查的概率合同，需要连接原版范围、概率状态、推断轨迹与独立预测证据。
- 概率坐标5
检索键 prml-E 对应目录坐标「1·2·2 Expectations and covariances」；在“第1章 引言 Introduction”中用于把目录坐标转为有变量、假设、推断与预测检查的概率合同，需要连接原版范围、概率状态、推断轨迹与独立预测证据。
- Bayesian probabilities
检索键 prml-F 对应目录坐标「1·2·3 Bayesian probabilities」；在“第1章 引言 Introduction”中用于把目录坐标转为有变量、假设、推断与预测检查的概率合同，需要连接原版范围、概率状态、推断轨迹与独立预测证据。
- 概率坐标7
检索键 prml-G 对应目录坐标「1·2·4 The Gaussian distribution」；在“第1章 引言 Introduction”中用于定义支持集、归一、参数更新与预测密度，需要连接原版范围、概率状态、推断轨迹与独立预测证据。
- Curve fitting re-visited
检索键 prml-H 对应目录坐标「1·2·5 Curve fitting re-visited」；在“第1章 引言 Introduction”中用于把目录坐标转为有变量、假设、推断与预测检查的概率合同，需要连接原版范围、概率状态、推断轨迹与独立预测证据。
- Bayesian curve fitting
检索键 prml-I 对应目录坐标「1·2·6 Bayesian curve fitting」；在“第1章 引言 Introduction”中用于把目录坐标转为有变量、假设、推断与预测检查的概率合同，需要连接原版范围、概率状态、推断轨迹与独立预测证据。
- Model Selection
检索键 prml-J 对应目录坐标「1·3 Model Selection」；在“第1章 引言 Introduction”中用于从观测、概率与损失建立学习和决策合同，需要连接原版范围、概率状态、推断轨迹与独立预测证据。
- 概率坐标11
检索键 prml-K 对应目录坐标「1·4 The Curse of Dimensionality」；在“第1章 引言 Introduction”中用于从观测、概率与损失建立学习和决策合同，需要连接原版范围、概率状态、推断轨迹与独立预测证据。
- Decision Theory
检索键 prml-L 对应目录坐标「1·5 Decision Theory」；在“第1章 引言 Introduction”中用于从观测、概率与损失建立学习和决策合同，需要连接原版范围、概率状态、推断轨迹与独立预测证据。
- 概率坐标13
检索键 prml-M 对应目录坐标「1·5·1 Minimizing the misclassification rate」；在“第1章 引言 Introduction”中用于把目录坐标转为有变量、假设、推断与预测检查的概率合同，需要连接原版范围、概率状态、推断轨迹与独立预测证据。
- 概率坐标14
检索键 prml-N 对应目录坐标「1·5·2 Minimizing the expected loss」；在“第1章 引言 Introduction”中用于把目录坐标转为有变量、假设、推断与预测检查的概率合同，需要连接原版范围、概率状态、推断轨迹与独立预测证据。
- The reject option
检索键 prml-O 对应目录坐标「1·5·3 The reject option」；在“第1章 引言 Introduction”中用于把目录坐标转为有变量、假设、推断与预测检查的概率合同，需要连接原版范围、概率状态、推断轨迹与独立预测证据。
- Inference and decision
检索键 prml-P 对应目录坐标「1·5·4 Inference and decision」；在“第1章 引言 Introduction”中用于把目录坐标转为有变量、假设、推断与预测检查的概率合同，需要连接原版范围、概率状态、推断轨迹与独立预测证据。
- 概率坐标17
检索键 prml-Q 对应目录坐标「1·5·5 Loss functions for regression」；在“第1章 引言 Introduction”中用于把目录坐标转为有变量、假设、推断与预测检查的概率合同，需要连接原版范围、概率状态、推断轨迹与独立预测证据。
- Information Theory
检索键 prml-R 对应目录坐标「1·6 Information Theory」；在“第1章 引言 Introduction”中用于从观测、概率与损失建立学习和决策合同，需要连接原版范围、概率状态、推断轨迹与独立预测证据。
- 概率坐标19
检索键 prml-S 对应目录坐标「1·6·1 Relative entropy and mutual information」；在“第1章 引言 Introduction”中用于把目录坐标转为有变量、假设、推断与预测检查的概率合同，需要连接原版范围、概率状态、推断轨迹与独立预测证据。