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！
0 N8 V  a0 u! I- y1 G1. 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。

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" K$ E7 [$ }' [& d+ x0 ?
$ J% t5 p1 w$ j7 x$ K1 }5 Y难易程度：非常易。
: \7 X; Q1 I- t! v  O9 d
+ ~2 ~6 ~7 S- s* J) Q3.       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。
+ D  a7 |0 n! Q* g0 Y
4.       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。

3 g$ a. g& X& }, J) b8 ^4 u8 w9 \1 R* Q+ @难易程度：中。
) `( ]0 M: q, A* d/ 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。
# {& g3 ?. Z1 u7 G4 |, w
5 O- U- O) W# w& A4 E! I难易程度：中。
# g( e. M* y$ B& b) d0 h# l
+ X: s+ O4 u7 R' o& M. M: q6.       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。

: |+ S4 I1 ]5 ?' ~% y& q9 n9 i8 A( B难易程度：中上。
$ E4 J/ l( w: n  _$ V; G/ h
+ K! w  N4 P5 K" T7.       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。
: b* w1 E7 i. X6 H
7 M- e1 n/ e  B难易程度：中上。

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。
  N2 J" t. _# Q% P2 A
难易程度：难。

# D5 ]; p5 h2 X" b6 w2 s8 N9.       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。

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

6 }- j4 [( S7 t0 O* ?" |, n11.    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。
1 H7 t6 d+ j1 T  u) c4 T6 y8 }
+ X5 s" J) E  K& K0 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 g# L; X0 W5 x8 a  ^
9 W; o+ d' ~" @6 B( U, {) Z14.    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。
# m- a8 J8 u& ^# P: V4 W
15.    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 W9 {' \3 j8 P% b$ m8 T- A  p
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。

2 [% J" h0 p3 ?17.    Introduction to Semi-Supervised Learning (http://book.douban.com/subject/3916225/) 半监督学习必读必看的书。

( F! S# W: F! A' z8 ]3 s" j18.    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！

7 x  }+ x  @8 t; x19.    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。

, [- ]8 m8 Z+ g4 e20.    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！

22.    Bad Data Handbook (http://book.douban.com/subject/11549309/) 很好玩的书，作者的角度很不同。
" w. l' a! U* }1 k6 Q

chb2012

赞

chengshiyu

chb2012 发表于 2014-5-7 23:06
3 r; L+ r7 m+ Z赞

2 p* B2 t3 K3 f

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
; `2 p; c7 c- J$ H这个很赞！！！！

chengshiyu

一米阳光的ta 发表于 2014-5-17 12:16
4 t0 o: M6 G, {) b( w必须赞啊。。。

秋枫舞

mark一下，漫漫看