数据分析与挖掘书单推荐

http://bbs.pinggu.org/thread-3116701-1-1.html

各位想学数据分析与数据挖掘却不知道怎么着手学习的人有福啦！

本文选自一个机器学习博士研究生的推介书单，

大家可以按照自己的水平，一步步学习啦~~~

入门读物：

• 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，最后谈到了 R 是大加分。难易程度：非常易。
• 啤酒与尿布 通过案例来说事情，而且是最经典的例子。难易程度：非常易。
• 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。
• 数学之美 这本书非常棒啦，入门读起来很不错！
  

      下载地址： 深入浅出数据分析 、 啤酒与尿布 、 数据之美 、 数学之美 。

数据分析：

• 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。
• Python for Data Analysis 作者是 Pandas 包的作者，看过他在 Scipy 会议上的演讲，实例非常强！
• Bad Data Handbook 很好玩的书，作者的角度很不同。
  

        下载地址： SciPy and NumPy 、 Python for Data Analysis 、 Bad Data Handbook

适合入门的教程：

• 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。难易程度：中。
• 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！
• 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。
• 数据挖掘导论 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。
• 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。
  

        下载地址： 集体智慧编程+源代码、Machine Learning in Action、 Building Machine Learning Systems with Python 、                             数据挖掘导论 、 Machine Learning for Hackers

稍微专业些的：

• Introduction to Semi-Supervised Learning 半监督学习必读必看的书。
• Learning to Rank for Information Retrieval 微软亚院刘铁岩老师关于 LTR 的著作，啥都不说了，推荐！
• 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。
• 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，而且是第一本要读的书。
• 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。
• 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！
  

    下载地址 ： Introduction to Semi-Supervised Learning 、 Learning to Rank for Information Retrieval 、                            Learning to Rank for Information Retrieval and Natural Language Proces 、 推荐系统实践

机器学习教材：

• 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。
• 统计学习方法 李航老师的扛鼎之作，强烈推荐。难易程度：难。
• 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。
• 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，所以理解起来比较容易。
• Pattern Recognition And Machine Learning 经典中的经典。
• 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。
• Probabilistic Graphical Models 鸿篇巨制，这书谁要是读完了告诉我一声。
• Convex Optimization 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。
  下载地址：The Elements of Statistical Learning、统计学习方法、Machine Learning: An Algorithmic Perspective、
  

                             Pattern Recognition and Machine Learning + 答案 、 Bayesian Reasoning and Machine Learning 、                                                    Probabilistic Graphical Models 、 Convexity and Optimization