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 l, N+ w# M% e5 `! _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。
3 ~& K; V. a$ {& h6 c- }
- Q$ w* E7 M& L3 u6 q! }1 D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。
. g0 v* R3 h$ g
% |" n' D% |+ R$ s, k9 d8 \难易程度：非常易。
# [  f/ M6 S+ p/ Z2 h
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。

, a4 p  d7 Z0 S! A7 i2 d7 E4.       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。

! f1 T# W6 D# i! t% A6 h) C5 w难易程度：中。
7 B; B. u% X4 W1 F) q; }8 ], `& W3 a9 ^
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。
  o/ G" v) t: S. R' D; D& u5 ^
7 R5 p  L9 R9 c& A2 P( O2 J7 m难易程度：中。
" f. W# ^- d0 T4 [) K- x
  f$ N" x. b- E6 w+ _9 {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。
8 y8 Z4 q  b- M6 y9 T* m: N4 f
  [# v) q6 m( s' V难易程度：中上。
! y; \2 i# P# F! L% }4 l4 I
) U- O" A; n1 X5 }, N7.       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。
5 l4 C+ `9 D/ P1 A! A
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。
- i# _+ O' _4 c4 b7 X$ Z
难易程度：难。

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。
+ {2 L0 C" ]- r5 ~5 T; C. c
* u# q" E& W5 g# z$ R7 H$ d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。

5 {( U7 c  n" M/ j13.    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。

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。

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。
! R* Q% d" r/ }' J) t
6 F8 P. P# J1 O; _- w17.    Introduction to Semi-Supervised Learning (http://book.douban.com/subject/3916225/) 半监督学习必读必看的书。
: }% a$ i7 M/ R. ?1 E2 n
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！
' I! D- d. A0 ?' C( z
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。
* S5 }; {) _4 l& w' G7 D
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。
; f9 i' O3 s0 g+ {; K/ c8 B+ D0 T
& d+ b8 y9 g. G; P) ^( f$ w21.    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！
* G5 B9 l4 I5 I& D4 e
9 q( E( U" `4 q1 K22.    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
  v9 `$ k. x" S' v  _赞

# P2 o" S( Y) S9 H  U: F$ Z

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
/ O: P2 ^9 c9 k* g这个很赞！！！！

6 ~7 p8 @6 ^: L; z' e- A  G6 s

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