数据分析、数据挖掘有哪些好书值得推荐?由于经常接到私信要求在这个书单之内再推荐两三本,每个人的行业背景也不一样,所以就把下面的书单归类整理一下。 入门读物: 1.深入浅出数据分析?这书挺简单的,基本的内容都涉及了,说得也比较清楚,较后谈到了 R 是大加分。难易程度:非常易。 2.啤酒与尿布?通过案例来说事情,而且是较经典的例子。难易程度:非常易。 3.数据之美?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。 4.数学之美?这本书非常棒啦,入门读起来很不错! 数据分析: 1.SciPy and NumPy?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。 2.Python for Data Analysis?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! 3.Bad Data Handbook?很好玩的书,作者的角度很不同。 适合入门的教程: 1.集体智慧编程?学习数据分析、数据挖掘、机器学习人员应该仔细阅读的**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。难易程度:中。 2.Machine Learning in Action?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?。这本书本身质量就很高,王老师的翻译质量也很高。难易程度:中。我带的研究生入门必看数目之一! 3.Building Machine Learning Systems with Python?虽然是英文的,但是由于写得很简单,比较理解,又有 Python 代码跟着,辅助理解。 4.数据挖掘导论?较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*读懂。难易程度:中上。 5.Machine Learning for Hackers?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。 稍微专业些的: 1.Introduction to Semi-Supervised Learning?半监督学习必读必看的书。 2.Learning to Rank for Information Retrieval??微软亚院刘铁岩老师关于 LTR 的着作,啥都不说了,推荐! 3.Learning to Rank for Information Retrieval and Natural Language Processing??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。 4.推荐系统实践?这本书不用说了,研究推荐系统必须要读的书,而且是**本要读的书。 5.Graphical Models, Exponential Families, and Variational Inference?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。 6.Natural Language Processing with Python?NLP 经典,其实主要是讲 NLTK 这个包,但是啊,NLTK 这个包几乎涵盖了 NLP 的很多内容了啊! 机器学习教材: 1.The Elements of Statistical Learning?这本书有对应的中文版:统计学习基础?。书中配有 R 包,非常赞!可以参照着代码学习算法。 2.统计学习方法?李航老师的**之作,强烈推荐。难易程度:难。 3.Machine Learning?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。 4.Machine Learning?这书和上面的书不是一本!这书叫:Machine Learning: An Algorithmic Perspective 之前做过我带的研究生教材,由于配有代码,所以理解起来比较*。 5.Pattern Recognition And Machine Learning?经典中的经典。 6.Bayesian Reasoning and Machine Learning?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。 7.Probabilistic Graphical Models??鸿篇巨制,这书谁要是读完了告诉我一声。 8.Convex Optimization?凸优化中较好的教材,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。