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  p1 ^4 Y1 n1 A7 c* _
% g$ b3 d) J0 v9 f% i# U& P难易程度：非常易。
  F& N3 _7 U+ [9 l, h
3 X1 Y& [8 T# B9 _% e2.       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。
* K- [# @# V6 H3 }
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。
% P& o. S8 C, \3 r. R7 e; B
- l- x* L) h/ g4.       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。

2 C% Y* l' ~6 d3 E4 n7 a难易程度：中。

3 |8 v3 ?+ P( f5 X5.       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。

! [7 ?. C, H1 t4 n3 f# J8 D4 J" S难易程度：中。
0 z( }: |3 \; W9 D4 a
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。

: F. [! Y1 y5 U; q难易程度：中上。
# @9 J* D8 p& h, ?' Y, v
3 K+ e( H( f9 v% w7.       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 t+ y& z0 q6 g8 R难易程度：中上。

: X( [& n& D& a+ Z2 x8.       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。

' u" y8 \; D5 D, ?难易程度：难。
4 Y5 R. G: q  V6 y! O, N
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。

# `% \, E7 z/ z# k难易程度：难。

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。
: j; E( z9 O2 u# k
+ c- ~" F  F9 ]. c2 \2 ?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。

# r! w+ T+ q, [+ n$ c; T& s5 D+ y14.    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 Q* a7 a$ b5 e& r15.    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。
$ O- x* T* t4 x# S& |' F# Z$ V
; ?$ @" q/ T( L% D& U16.    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。
( G* b, k$ ~8 Z
" K" W' Z8 ?8 B( o18.    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！
  C. _" S: ?) @/ l9 e
19.    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！

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
2 B4 E9 @7 K. U% r4 e$ j赞

2 g1 ]; w! Z) f, @- a7 b$ Y

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！！！！

1 @" s+ o3 ?% ~; @0 y# i

chengshiyu

一米阳光的ta 发表于 2014-5-17 12:16
/ {+ p% w. I9 A0 z( g必须赞啊。。。

4 g9 r5 Q* H- t& `" F7 R

秋枫舞

mark一下，漫漫看