数据分析、挖掘的好书推荐——干货分享

chengshiyu

我找了好久才找到的资料，分享出来给咱们数模人！共同提高，共同进步！
6 j1 J5 N# s, y! P( Q3 u! Z# A1. 深入浅出数据分析 (http://book.douban.com/subject/5257905/) 这书挺简单的，基本的内容都涉及了，说得也比较清楚，最后谈到了R是大加分。
& F7 J2 l% F  ], w& g- z
- E& g; W% |# x  u: q难易程度：非常易。
1 C6 T# ~  F, [8 X
2.       啤酒与尿布 (http://book.douban.com/subject/3283973/) 通过案例来说事情，而且是最经典的例子。
4 E+ g# P+ B' w$ u- b
% k+ O  H9 Y& \: ]难易程度：非常易。

: D4 V5 V2 u/ u" A; Q% W3.       数据之美 (http://book.douban.com/subject/5269219/) 一本介绍性的书籍，每章都解决一个具体的问题，甚至还有代码，对理解数据分析的应用领域和做法非常有帮助。

难易程度：易。

) b4 p/ u+ q6 V& S8 N" e$ S" a4.       集体智慧编程 (http://book.douban.com/subject/3288908/) 学习数据分析、数据挖掘、机器学习人员应该仔细阅读的第一本书。作者通过实际例子介绍了机器学习和数据挖掘中的算法，浅显易懂，还有可执行的Python代码。
- N& i, @9 {$ k. N0 z
/ w0 r, P: o- S+ e难易程度：中。
' V3 g( G! t  ]' o  M
5.       Machine Learning in Action (http://book.douban.com/subject/6962285/) 用人话把复杂难懂的机器学习算法解释清楚了，其中有零星的数学公式，但是是以解释清楚为目的的。而且有Python代码，大赞！目前中科院的王斌老师（微博： @王斌_ICTIR）已经翻译这本书了 机器学习实战 (http://book.douban.com/subject/24703171/)。这本书本身质量就很高，王老师的翻译质量也很高。
% Y- ^8 n; F( C$ j
- o$ G6 n( O4 ?& [5 `难易程度：中。

" r; [, [: {1 M2 p( h; a6.       推荐系统实践 (http://book.douban.com/subject/10769749/) 这本书不用说了，研究推荐系统必须要读的书，而且是第一本要读的书。

7 y; Y9 Q5 F  B; w难易程度：中上。
+ x, Z" t3 o  H; R5 z+ ^
) F/ n( h/ T4 N- r' V( d+ y9 k" Q7.       数据挖掘导论 (http://book.douban.com/subject/5377669/) 最近几年数据挖掘教材中比较好的一本书，被美国诸多大学的数据挖掘课作为教材，没有推荐Jiawei Han老师的那本书，因为个人觉得那本书对于初学者来说不太容易读懂。
8 H7 _( m* ?" X% ]8 S) L5 s
难易程度：中上。
) _5 R" G4 b# D; k
- o4 w0 P6 X' |3 r0 o3 ^8.       The Elements of Statistical Learning (http://book.douban.com/subject/3294335/) 这本书有对应的中文版：统计学习基础 (http://book.douban.com/subject/1152126/)。书中配有R包，非常赞！可以参照着代码学习算法。

难易程度：难。
) _' V: `% o4 W" O3 Z, ]3 |
9.       统计学习方法 (http://book.douban.com/subject/10590856/) 李航老师的扛鼎之作，强烈推荐。
% M3 @& d3 j, i$ J4 J
( M+ B5 [* }# s& t5 G) |. g8 M' }难易程度：难。
# ?; F, L1 }' k
$ |) n  p; n$ Q10.    Pattern Recognition And Machine Learning (http://book.douban.com/subject/2061116/) 经典中的经典。

2 V5 h- B1 L% j6 ^$ j) u5 V6 V( y0 z11.    Machine Learning (http://book.douban.com/subject/10758624/) 去年出版的新书，作者Kevin Murrphy教授是机器学习领域中年少有为的代表。这书是他的集大成之作，写完之后，就去Google了，产学研结合，没有比这个更好的了。

12.    Bayesian Reasoning and Machine Learning (http://book.douban.com/subject/5397287/) 看名字就知道了，彻彻底底的Bayesian学派的书，里面的内容非常多，有一张图将机器学习中设计算法的关系总结了一下，很棒。

13.    Machine Learning for Hackers (http://book.douban.com/subject/7906768/) 也是通过实例讲解机器学习算法，用R实现的，可以一边学习机器学习一边学习R。

& t) q( b' k; N+ Y9 H14.    Probabilistic Graphical Models (http://book.douban.com/subject/4007200/) 鸿篇巨制，这书谁要是读完了告诉我一声。

/ H8 B: U# Y) g+ K' Z1 p1 l15.    Convex Optimization (http://book.douban.com/subject/1888111/) 凸优化中最好的教材，没有之一了。课程也非常棒，Stephen老师拿着纸一步一步推到，图一点一点画，太棒了。

6 M0 j3 m4 b7 w& C3 U5 @16.    Graphical Models, Exponential Families, and Variational Inference (http://book.douban.com/subject/3722993/) 这个是Jordan老爷子和他的得意门徒 Martin J Wainwright 在 Foundation of Machine Learning Research上的创刊号，可以免费下载，比较难懂，但是一旦读通了，graphical model的相关内容就可以踏平了。

# T9 B+ X* k3 L/ G17.    Introduction to Semi-Supervised Learning (http://book.douban.com/subject/3916225/) 半监督学习必读必看的书。

' H1 _6 S% Y- Z6 E& M3 A- x18.    Learning to Rank for Information Retrieval (http://book.douban.com/subject/4063191/) 微软亚院刘铁岩老师关于LTR的著作，啥都不说了，推荐！

- V7 r$ V& f: I0 n' s19.    Learning to Rank for Information Retrieval and Natural Language Processing (http://book.douban.com/subject/6440223/) 李航老师关于LTR的书，也是当时他在微软亚院时候的书，可见微软亚院对LTR的研究之深，贡献之大。

20.    SciPy and NumPy (http://book.douban.com/subject/10561724/) 这本书可以归类为数据分析书吧，因为numpy和scipy真的是非常强大啊。

21.    Python for Data Analysis (http://book.douban.com/subject/10760444/) 作者是Pandas这个包的作者，看过他在Scipy会议上的演讲，实例非常强，用pandas做数据分析！

: @2 b" |- e" W" ~  V% i' Q# y+ b22.    Bad Data Handbook (http://book.douban.com/subject/11549309/) 很好玩的书，作者的角度很不同。
4 O+ b- K8 X) @' H8 j0 ]+ j

chb2012

赞

chengshiyu

chb2012 发表于 2014-5-7 23:06
: W6 d9 G5 ?2 J$ D赞

% `& b& Y' M8 w, _

gancm

这个很赞！！！！

一米阳光的ta

必须赞啊。。。

一米阳光的ta

谢谢分享啦。。。

chengshiyu

gancm 发表于 2014-5-15 15:32
9 c# C9 L. \$ r1 Z; k% \这个很赞！！！！

/ L: W3 n& i! y; @

chengshiyu

一米阳光的ta 发表于 2014-5-17 12:16
必须赞啊。。。

8 U; f/ K7 ^0 m

秋枫舞

mark一下，漫漫看