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。
" H' n; K! Q% Z* c( n
难易程度：非常易。
8 o; Q/ W1 k7 ?) C
$ R" k' K1 G" E5 k2.       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。

9 h3 J1 R9 {+ b9 f难易程度：非常易。

7 ]; N2 p1 k9 e' U5 \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。
1 z) c# ^5 P1 d6 }+ x. Q5 K
难易程度：易。

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。
8 I* E9 \" H& E% t+ L5 y( i
& o. P' V4 f! q难易程度：中。
$ T* M/ b, O: x8 b' Z# J
+ b1 {4 w5 ~9 T* a# 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。
! M. \1 B) X% w$ Q) P. I* y
难易程度：中。
3 T; ^: A; l  R
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。

难易程度：中上。

! z; K2 {9 v/ J- X7.       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。

难易程度：中上。
+ t8 ?3 P" [: k. M+ `3 f; Q3 J
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。

3 v: A# z  m4 T* I. h) Q难易程度：难。
  U) o# X! `( E6 L& X& X, h
) i+ |  n4 f7 N) Z, B) o9.       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。
/ V" M: Y0 ?* k" \8 q4 r3 r
难易程度：难。

' V7 R! l6 k% f$ [  W! y1 _10.    Pattern Recognition And Machine Learning (http://book.douban.com/subject/2061116/) 经典中的经典。

11.    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。

1 ]1 A+ m# y. o: P6 A7 G13.    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。
/ p7 j& _6 R3 o2 n* P3 W
: k, A3 M% l0 ?. t14.    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。

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。
1 U% V3 `) N: y2 K% I6 h3 p; U# ]3 g
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。
) l* l; m4 L  d2 f
1 b" V0 n, h2 F, z% ?4 [17.    Introduction to Semi-Supervised Learning (http://book.douban.com/subject/3916225/) 半监督学习必读必看的书。
& l  G5 f8 `! k% R# o  r' O
4 C+ G6 ?) J8 q! y! P! i18.    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！
% y: [, a* y3 w; |9 O; z) m
! }$ h+ `  z& A- R! P19.    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 N4 T0 ~. 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。

8 x1 v% v/ p" ~5 L21.    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。

chb2012

赞

chengshiyu

chb2012 发表于 2014-5-7 23:06
7 t9 b, R, m8 b/ H6 P# X  J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
必须赞啊。。。

秋枫舞

mark一下，漫漫看