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！
$ m9 G$ M0 o& K- u5 [1. 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。

难易程度：非常易。
: Q# ]: o: O( J' G$ J1 c, G
. x8 u8 {: ]1 r0 y) n$ t2.       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。
  ?, S' D% r4 g8 {) s
- v+ K( E$ s: S/ U; D- k) n  E难易程度：非常易。

3.       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。
+ e0 a' ~; e# s) y+ g5 f% U2 t
难易程度：易。

+ r0 h! x8 k" t4 {' a, 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。

* L5 a; |5 N7 H: C" f! w( W" Q难易程度：中。

/ t/ ]2 k; n: S5.       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。
8 ?: p4 M2 E2 Q/ _% W9 F4 w% L
难易程度：中。

/ D- S7 y1 f7 d4 l7 P- t& w6.       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。

难易程度：中上。
( p( f0 A! v) J8 {6 ^5 o: O
! O! d: v* C6 w4 c4 V7.       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。

3 k% k: @# B+ @难易程度：中上。
  s2 W, o8 d! K
( k% w9 I( Z3 [3 E9 |& E8.       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。

. e# ~* K; T' `7 s& \, C$ _难易程度：难。
" ]) A8 c  {  \' Y, j3 \! y
- o' [! O' O/ {4 w9.       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。

难易程度：难。

3 i* P/ w* q. |2 p* A+ H( ~. T; T! p/ \10.    Pattern Recognition And Machine Learning (http://book.douban.com/subject/2061116/) 经典中的经典。
. `' e7 ^" d; K+ e) n
- T8 Z5 c! y( ?) y7 ]) V11.    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。

! z9 r& @* K5 }, V12.    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。
0 x: ?8 ]1 x* U4 |3 A) B
14.    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。
% i4 `( v! M1 u6 B8 D, }
7 K( U9 w( f0 S2 p  A5 f5 q( c15.    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。
. y0 j( B4 ~/ @0 U* I
2 J. h. n( E) ]' U3 N6 S16.    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。

17.    Introduction to Semi-Supervised Learning (http://book.douban.com/subject/3916225/) 半监督学习必读必看的书。

& C- S2 q/ d9 @7 G! s* v7 h18.    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！

0 [9 I9 M- J  P4 v  W- p( y9 h& k19.    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。
2 K  i0 U/ E; d  Q9 d. y- m
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！
# ^! P6 {6 E$ s' l
0 ?$ M  e  ]# y* Q/ @$ l1 A22.    Bad Data Handbook (http://book.douban.com/subject/11549309/) 很好玩的书，作者的角度很不同。
  N7 a) L6 f6 B9 f1 R; U

chb2012

赞

chengshiyu

chb2012 发表于 2014-5-7 23:06
赞

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
这个很赞！！！！

chengshiyu

一米阳光的ta 发表于 2014-5-17 12:16
& h; y* m( M) t- X必须赞啊。。。

秋枫舞

mark一下，漫漫看