我以前没有听说过 Barber 的书，但是快速浏览了一下，它看起来确实非常非常好。

除非您有想要研究的特定领域，否则我会建议以下内容（其中一些/许多您可能已经听说过）：

• 信息论、推理和学习算法，DJC Mackay。经典之作，作者在网上免费提供了它的 .pdf，所以你没有任何借口。
• 模式识别和机器学习，CMBishop。经常被引用，尽管这本书和理发书之间似乎有很多交叉点。
• 概率论，科学的逻辑，ETJaynes。在某些领域可能更基本一些。然而，解释非常好。我发现它消除了一些我什至不知道的误解。
• 信息论的要素，TM Cover 和 JATomas 着。从信息论的角度攻击概率，是的，你猜对了。关于通道容量和最大 ent 的一些非常简洁的东西。与更多贝叶斯的东西有点不同（我只记得在整本书中看到过一个）。
• 统计学习理论，V.Vapnik。完全非baysian，这可能对你没有吸引力。关注结构性风险的概率上限。解释支持向量机的来源。
• 卡尔波普尔爵士制作了一系列关于科学发现哲学的作品，其中包含相当多的统计数据（它们的集合可以购买，但我手头没有任何标题 - 抱歉）。再一次，一点也不贝叶斯，但他关于可证伪性及其与 occams razor 关系的讨论（在我看来）很有趣，任何从事科学工作的人都应该阅读。

我最近发现了一个更具计算视角的贝叶斯推理和统计：“Probabilistic Programming and Bayesian Methods for Hackers”。这可能与 Barber 一样很好地介绍了贝叶斯方法。