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！
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。

" F7 B' z6 Y4 l* k' v$ l% u难易程度：非常易。
- f3 {( Y" i# R1 ]/ z+ }: _* w( P$ G6 O
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。
" w  g9 s( d. x( f1 S6 \7 ]" W
! y2 k) ^+ O) M& B" A8 l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。

难易程度：易。

2 B. g% ~. M) B% J1 w$ O* N2 l" C4.       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。
8 k" h0 v' _/ K6 \  m4 [+ s4 r) z8 m! P
" s2 q) y- P: G. J2 c% ~& f难易程度：中。
: _4 w% c' a8 V2 X. y
# d5 k9 u5 W/ i3 A5.       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。
* m6 H, }  o; O# r+ _
+ z+ s8 E1 V9 V. n2 Y5 b5 `; u: e难易程度：中。
! }, I+ ?, p7 [2 {! u% E% G) T: v
6.       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。
" f8 x. v# ~3 \
难易程度：中上。
# d' H9 h1 V; U; q" \  _; s: S: g
+ |7 A9 m% i! p8 ~* `& T6 o7.       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。
6 ~. j& `9 I/ s: @3 {' I
  Q# G( _2 d4 m5 v难易程度：中上。
8 ^: s/ o. a/ Q
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。
& I( b; [) L: b
难易程度：难。
0 \; `8 s0 Z' W* Q
6 {  W0 m% R& K: e3 d( B9.       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。
: \3 L& |! j  |$ G' g) u. `% m, \
1 E+ }* a0 K. Y9 }  l难易程度：难。

10.    Pattern Recognition And Machine Learning (http://book.douban.com/subject/2061116/) 经典中的经典。

$ a" d) J4 o2 o4 O) y( r11.    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。
8 W1 E6 H+ M& Y7 l
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。

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。
4 B$ J) h, }( \4 F1 s
) g" U% V5 m- o% ~3 G15.    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。

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。

8 e; H8 |; g7 N9 c9 u17.    Introduction to Semi-Supervised Learning (http://book.douban.com/subject/3916225/) 半监督学习必读必看的书。
5 ?8 k9 w2 G# J% X
18.    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！

) [2 o& N1 T$ q19.    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。
# v. E3 E* D0 n: }9 {3 y3 i
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。
1 Y7 I6 q$ b: u0 G7 r
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 w, [- x: r1 s! j; w8 g22.    Bad Data Handbook (http://book.douban.com/subject/11549309/) 很好玩的书，作者的角度很不同。
+ U$ F, F- G, G9 z% W" N. s6 ]

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
  D, o1 O6 \( ]0 p/ z* a( m这个很赞！！！！

chengshiyu

一米阳光的ta 发表于 2014-5-17 12:16
/ s- O5 A5 J$ l. N& E必须赞啊。。。

' ?: O% W! @2 y1 I

秋枫舞

mark一下，漫漫看